Discute des techniques de synthèse logique pour concevoir des circuits numériques efficaces à partir de descriptions fonctionnelles et de tables de vérité.
Explore les circuits logiques synchrones, la modélisation basée sur l'état, les techniques d'optimisation et la minimisation de l'état de la machine à l'état fini.
Discute des techniques de synthèse logique pour concevoir des circuits numériques efficaces en utilisant des minterms, des maxterms et de nouvelles portes comme XOR et XNOR.
Couvre l'analyse temporelle des circuits synchrones, en se concentrant sur les bascules, les contraintes temporelles et les problèmes de métastabilité.
Explore les circuits logiques synchrones, les techniques de modélisation, la minimisation des états et l'optimisation des machines à états finis pour la réduction de surface.
Couvre les principes de la conception synchrone RTL, des circuits numériques personnalisés, de la visualisation des diagrammes Y, des classes de signaux et de la gestion de la hiérarchie.
Couvre les fondamentaux des processeurs, de la logique numérique à l'exécution de programme, y compris les composants comme ALU, fichier de registre, et la logique de contrôle.
Explore les représentations factorisées pour la planification, en se concentrant sur la réduction de la complexité et l'amélioration de l'efficacité grâce à une modélisation distincte des fonctionnalités.
Couvre l'évolution des circuits intégrés numériques, l'impact des demandes du marché, les fonctionnalités modernes des circuits intégrés, l'histoire des microprocesseurs et la loi de Moore.
Introduit des mesures SCOAP pour l'analyse de testabilité dans les systèmes VLSI, couvrant la contrôlabilité, l'observabilité et la prédiction de longueur de vecteur de test.
Couvre le modèle structurel pour les circuits séquentiels, les réseaux logiques synchrones et les approches de synthèse séquentielle, y compris le retiming.
Fournit une vue d'ensemble des machines à états finis, couvrant leur conception, leur analyse et leurs applications pratiques dans les systèmes numériques.
Discuter de la façon dont l'apprentissage de caractéristiques éparses peut conduire à une suradaptation dans les réseaux neuraux malgré des preuves empiriques de généralisation.
