Bitte benutzen Sie diese Referenz, um auf diese Ressource zu verweisen:
Volltext verfügbar? / Dokumentlieferung
-kein DOI; bitte anderen URI nutzen| Titel: | MACSQ: Massively Accelerated DeepQ Learning on GPUs Using On-the-fly State Construction |
| VerfasserIn: | Köster, Marcel Groß, Julian Krüger, Antonio |
| Sprache: | Englisch |
| Titel: | Parallel and Distributed Computing, Applications and Technologies : 22nd International Conference, PDCAT 2021, Guangzhou, China, December 17-19, 2021, Proceedings |
| Seiten: | 383-395 |
| Verlag/Plattform: | Springer Nature |
| Erscheinungsjahr: | 2022 |
| DDC-Sachgruppe: | 004 Informatik |
| Dokumenttyp: | Konferenzbeitrag (in einem Konferenzband / InProceedings erschienener Beitrag) |
| DOI der Erstveröffentlichung: | 10.1007/978-3-030-96772-7_35 |
| URL der Erstveröffentlichung: | https://link.springer.com/chapter/10.1007/978-3-030-96772-7_35 |
| Link zu diesem Datensatz: | urn:nbn:de:bsz:291--ds-486501 hdl:20.500.11880/42511 |
| ISBN: | 978-3-030-96772-7 |
| Datum des Eintrags: | 3-Sep-2026 |
| Fakultät: | MI - Fakultät für Mathematik und Informatik |
| Fachrichtung: | MI - Informatik |
| Professur: | MI - Prof. Dr. Antonio Krüger |
| Sammlung: | SciDok - Der Wissenschaftsserver der Universität des Saarlandes |
Dateien zu diesem Datensatz:
Es gibt keine Dateien zu dieser Ressource.
Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.