Sökning: "Buffertstorlek"

Hittade 4 uppsatser innehållade ordet Buffertstorlek.

  1. 1. Framtagning av optimal buffertstorlek för ökad produktion på Scania

    M1-uppsats, KTH/Produktionsutveckling

    Författare :Gustaf Amnelius; Gustav Flink; [2023]
    Nyckelord :Buffer; Buffer size; ExtendSim 10; Lean production; Optimization; Simulation; Buffert; Buffertstorlek; ExtendSim 10; Lean production; Optimering; Simulering;

    Sammanfattning : Detta arbete har gjorts åt Scania som är ett av de ledande företagen inom lastbilstillverkning. Arbetet har utförts på plats I Södertälje på Scanias cylinderhuvudstillverkning. Området som arbetet behandlar är relativ nytt och därför upptäcks en del nya problem. LÄS MER

  3. 2. Exploring Column Update Elimination Optimization for Spike-Timing-Dependent Plasticity Learning Rule

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Ojasvi Singh; [2022]
    Nyckelord :Spike-Timing Dependent Plasticity; neuromorphic computing; Hebbian Learning; Spiking Neural Networks; memory optimization.; Spike-Timing Beroende Plasticitet; neuromorfisk beräkning; Hebbiansk inlärning; Spiking Neural Networks; Minnes optimering;

    Sammanfattning : Hebbian learning based neural network learning rules when implemented on hardware, store their synaptic weights in the form of a two-dimensional matrix. The storage of synaptic weights demands large memory bandwidth and storage. LÄS MER

  4. 3. Exploring the column elimination optimization in LIF-STDP networks

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Mingda Sun; [2022]
    Nyckelord :SpikingNeuralNetwork SNN ; neuromorphiccomputing; memoryoptimization; Hebbian learning; Spike-timing-depend plasticity STDP learning; Spiking Neural Network SNN ; neuromorphic computing; minnesoptimering; Hebbisk inlärning; spike-timing-depend plasticity STDP inlärning;

    Sammanfattning : Spiking neural networks using Leaky-Integrate-and-Fire (LIF) neurons and Spike-timing-depend Plasticity (STDP) learning, are commonly used as more biological possible networks. Compare to DNNs and RNNs, the LIF-STDP networks are models which are closer to the biological cortex. LÄS MER

  5. 4. Optimering av robotcell

    M1-uppsats, KTH/Tillämpad maskinteknik (KTH Södertälje)

    Författare :Omar Ali Sabah; Arto Pääkkönen; [2018]
    Nyckelord :;

    Sammanfattning : Detta examensarbete utfördes på växellådsmonteringen på Scania i Södertälje. På en monteringslina där växellådsmontering sker arbetar idag en robot med att åtdra skruvar för att foga samman retarder på växellådor. LÄS MER