LEADER 02851nam 22005775 450 001 996309108803316 005 20190615120916.0 010 $a3-486-70332-3 024 7 $a10.1524/9783486703320 035 $a(CKB)3460000000003563 035 $a(EBL)1348002 035 $a(OCoLC)879550526 035 $a(SSID)ssj0001294168 035 $a(PQKBManifestationID)11758376 035 $a(PQKBTitleCode)TC0001294168 035 $a(PQKBWorkID)11315040 035 $a(PQKB)10827012 035 $a(MiAaPQ)EBC1348002 035 $a(DE-B1597)224066 035 $a(OCoLC)979593267 035 $a(DE-B1597)9783486703320 035 $a(EXLCZ)993460000000003563 100 $a20190615d2010 fg 101 0 $ager 135 $aur|n|---||||| 181 $ctxt 182 $cc 183 $acr 200 00$aLehrjahre der CSU $eEine Nachkriegspartei im Spiegel vertraulicher Berichte an die amerikanische Militärregierung /$fHans Woller, Klaus-Dietmar Henke 210 1$aBerlin ;$aBoston : $cOldenbourg Wissenschaftsverlag, $d[2010] 210 4$d©1984 215 $a1 online resource (191 p.) 225 0 $aSchriftenreihe der Vierteljahrshefte für Zeitgeschichte ;$v48 300 $aDescription based upon print version of record. 311 $a3-421-06191-2 327 $tFront Matter -- $tDokumente -- $tAnhang -- $tBack Matter 330 $aDie Christlich-Soziale Union, nach ihrer Gründung dominierende Partei in Bayern, war in den Besatzungsjahren noch ein brüchiges Gebilde. Erbitterte Richtungskämpfe und vehement ausgetragene persönliche Fehden ihrer maßgeblichen Männer führten die Partei oft an den Rand des politischen Abgrunds. Selbst versierten Beobachtern gelang es nur selten, das irisierende Bild der Partei zu fixieren und die Hintergründe der Kontroversen zu durchschauen. Anders die amerikanische Militärregierung, die von einem Informanten laufen mit Berichten über Interna der CSU versorgt wurde: Sie saß gleichsam am Tisch, wenn sich führende Politiker der Union um den Parteivorsitzenden Josef Müller, den "Ochsensepp", oder im Dienstag-Club zu vertraulichen Gesprächen versammelten... Die so entstandenen vertraulichen Berichte über die frühen Jahre der CSU sind eine einzigartige Quelle der Parteiengeschichte. Sie lesen sich zudem vergnüglich, weil sie bayerische Politik liebevoll dokumentieren. 410 0$aSchriftenreihe der Vierteljahrshefte fu?r Zeitgeschichte ;$vNumber 48. 606 $aHISTORY / General$2bisacsh 608 $aElectronic books. 615 7$aHISTORY / General. 676 $a335.973 686 $aMG 15340$2rvk 702 $aHenke$b Klaus-Dietmar, 702 $aWoller$b Hans, 801 0$bDE-B1597 801 1$bDE-B1597 906 $aBOOK 912 $a996309108803316 996 $aLehrjahre der CSU$92224250 997 $aUNISA LEADER 03040nam 22005775 450 001 9910760256003321 005 20240307115150.0 010 $a9783031406775 010 $a303140677X 024 7 $a10.1007/978-3-031-40677-5 035 $a(MiAaPQ)EBC30774825 035 $a(Au-PeEL)EBL30774825 035 $a(DE-He213)978-3-031-40677-5 035 $a(PPN)272920223 035 $a(CKB)28478158600041 035 $a(OCoLC)1405942724 035 $a(EXLCZ)9928478158600041 100 $a20231006d2024 u| 0 101 0 $aeng 135 $aurcnu|||||||| 181 $ctxt$2rdacontent 182 $cc$2rdamedia 183 $acr$2rdacarrier 200 10$aEmbedded Machine Learning for Cyber-Physical, IoT, and Edge Computing $eUse Cases and Emerging Challenges /$fedited by Sudeep Pasricha, Muhammad Shafique 205 $a1st ed. 2024. 210 1$aCham :$cSpringer Nature Switzerland :$cImprint: Springer,$d2024. 215 $a1 online resource (571 pages) 311 08$aPrint version: Pasricha, Sudeep Embedded Machine Learning for Cyber-Physical, IoT, and Edge Computing Cham : Springer,c2023 9783031406768 330 $aThis book presents recent advances towards the goal of enabling efficient implementation of machine learning models on resource-constrained systems, covering different application domains. The focus is on presenting interesting and new use cases of applying machine learning to innovative application domains, exploring the efficient hardware design of efficient machine learning accelerators, memory optimization techniques, illustrating model compression and neural architecture search techniques for energy-efficient and fast execution on resource-constrained hardware platforms, and understanding hardware-software codesign techniques for achieving even greater energy, reliability, and performance benefits. Discusses efficient implementation of machine learning in embedded, CPS, IoT, and edge computing; Offers comprehensive coverage of hardware design, software design, and hardware/software co-design and co-optimization; Describes real applications to demonstrate how embedded, CPS, IoT, and edge applications benefit from machine learning. 606 $aEmbedded computer systems 606 $aElectronic circuits 606 $aCooperating objects (Computer systems) 606 $aEmbedded Systems 606 $aElectronic Circuits and Systems 606 $aCyber-Physical Systems 615 0$aEmbedded computer systems. 615 0$aElectronic circuits. 615 0$aCooperating objects (Computer systems) 615 14$aEmbedded Systems. 615 24$aElectronic Circuits and Systems. 615 24$aCyber-Physical Systems. 676 $a006.22 700 $aPasricha$b Sudeep$01372957 701 $aShafique$b Muhammad$0763589 801 0$bMiAaPQ 801 1$bMiAaPQ 801 2$bMiAaPQ 906 $aBOOK 912 $a9910760256003321 996 $aEmbedded Machine Learning for Cyber-Physical, IoT, and Edge Computing$93598707 997 $aUNINA