Downloads
Wir setzen uns für Open-Source und reproduzierbare Forschung ein. Auf unserer Download-Seite finden Sie eine Vielzahl von Open-Source-Frameworks und -Tools*, die mit unseren verschiedenen Forschungsartikeln verknüpft sind.
Area-Optimized Low-Latency Approximate Multipliers for FPGA-based Hardware Accelerators
Wenn Sie diese Entwürfe in Ihrer Arbeit verwenden, zitieren Sie bitte den folgenden Artikel:
Salim Ullah, Semeen Rehman, Bharath Srinivas Prabakaran, Florian Kriebel, Muhammad Abdullah Hanif, Muhammad Shafique, and Akash Kumar. 2018. Area-optimized low-latency approximate multipliers for FPGA-based hardware accelerators. In Proceedings of the 55th Annual Design Automation Conference (DAC '18). ACM, New York, NY, USA, Article 159, 6 pages. DOI: https://doi.org/10.1145/3195970.3195996
Für Rückfragen wenden Sie sich bitte an Prof. Dr. Akash Kumar oder Dr.-Ing. Salim Ullah.
Accurate and Approximate Softcore Signed Multiplier Architectures
Wenn Sie diese Entwürfe in Ihrer Arbeit verwenden, zitieren Sie bitte den folgenden Artikel:
S. Ullah, H. Schmidl, S. S. Sahoo, S. Rehman and A. Kumar, "Area-Optimized Accurate and Approximate Softcore Signed Multiplier Architectures," in IEEE Transactions on Computers, vol. 70, no. 3, pp. 384-392, 1 March 2021, doi: 10.1109/TC.2020.2988404.
Für Rückfragen wenden Sie sich bitte an Prof. Dr. Akash Kumar oder Dr.-Ing. Salim Ullah.
GNN-MiCS: Graph Neural-Network-Based Bounding Time in Embedded Mixed-Criticality Systems
Proposing a novel ML-based method to estimate the WCET of dependent mixed-criticality tasks in order to improve the system timing behaviour (utilization and mode switching probability).
B. Ranjbar, P. Justen, and A. Kumar, “GNN-MiCS: Graph Neural-Network-Based Bounding Time in Embedded Mixed-Criticality Systems,” 2024
If you have any questions, please contact Prof. Dr. Akash Kumar or Dr.-Ing. Behnaz Ranjbar.
*Einige der bereitgestellten Open-Source-Frameworks und -Tools sind Teil der Arbeit der Technische Universität Dresden.
