Mitarbeiter

Javier Hoffmann
Verfügungsgebäude 1C, Raum 1.40

T: +49 (0) 355 69
F: +49 (0) 355 69 2027
javier.hoffmann(at)b-tu.de

Ausbildung
  • (2013-2016) M.Sc. Ruhr-Universität Bochum (RUB), Bochum, Deutschland.
  • (2008-2013) Electrical Engineering.  Universidad Metropolitana (UNIMET), Caracas, Venezuela.
  • (2008-2013) Systems Engineering.  Universidad Metropolitana (UNIMET), Caracas, Venezuela.
Veröffentlichungen

[2020] Osvaldo Navarro, Jones Yudi Mori, Javier Hoffmann, Hector Gerardo Muñoz Hernandez, Michael Hübner:A Machine Learning Methodology for Cache Memory Design Based on Dynamic Instructions. ACM Trans. Embedded Comput. Syst. 19(2): 12:1-12:20 (2020) 

[2020] Fricke, Florian; Mahmood, Safdar; Hoffmann, Javier; Ali, Muhammad; Shahin, Keyvan; Hübner, Michael; Göhringer, Diana: (2020) Domain Adaptive Processor Architectures. In: Jasperneite J., Lohweg V. (eds) Kommunikation und Bildverarbeitung in der Automation. Technologien für die intelligente Automation (Technologies for Intelligent Automation), vol 12. Springer Vieweg, Berlin, Heidelberg 

[2019] Flo­ri­an Fri­cke, Ja­vier Edu­ar­do Hoff­mann, Saf­dar Mah­mood, Micha­el Hüb­ner - “A Tool to Ease De­sign-Space-Ex­plo­ra­ti­on Using the Ten­si­li­ca LX7 ASIP” in CDN­Li­ve EMEA 2019 

[2019] J. Hoffmann: “Energy Aware Enhanced Earliest Deadline First Algorithm”. In: K. De Bosschere, Ed., “ACACES 2019: poster abstracts.” HiPEAC High-Performance Embedded Architecture and Compilation, Subiaco, Rome, 2019. 

[2018] J. Hoffmann, D. Kuschnerus, T. Jones and M. Hübner, "Towards a Safety and Energy Aware protocol for Wireless Communication," 2018 13th International Symposium on Reconfigurable Communication-centric Systems-on-Chip (ReCoSoC), Lille, 2018, pp. 1-6. 

[2018] J. Hoffmann: “An Energy-aware Dynamic Scheduler for Hard Deadline Tasks”. In: K. De Bosschere, Ed., “ACACES 2018: poster abstracts.” HiPEAC High-Performance Embedded Architecture and Compilation, Subiaco, Rome, 2018. 

[2017] Flo­ri­an Käs­t­ner, Os­val­do Na­var­ro Guz­man, Be­ne­dikt Jan­ßen, Ja­vier Edu­ar­do Hoff­mann, Micha­el Hüb­ner. Ana­ly­sis of Hard­ware Im­ple­men­ta­ti­ons to Ac­ce­le­ra­te Con­vo­lu­tio­nal and Re­cur­rent Neu­ro­nal Net­works. In In­ter­na­tio­nal Jour­nal on Ad­van­ces in Soft­ware, vol 10 no 3 & 4, year 2017 

[2017] Ja­vier Edu­ar­do Hoff­mann, Os­val­do Na­var­ro Guz­man, Flo­ri­an Käs­t­ner, Be­ne­dikt Jan­ßen, Micha­el Hüb­ner, “A survey on CNN and RNN implementations,” in PE­SA­RO 2017, The Seventh In­ter­na­tio­nal Con­fe­rence on Per­for­mance, Sa­fe­ty and Ro­bust­ness in Com­plex Sys­tems and Ap­p­li­ca­ti­ons, 2017 

[2017] Osvaldo Navarro, Jones Mori, Javier Hoffmann, Fabian Stuckmann, and Michael Hübner. 2017. A machine learning methodology for cache recommendation. In Proceedings of the International Symposium on Applied Reconfigurable Computing. Springer, 311--322. 

Unsere Webseite verwendet Cookies. Diese haben zwei Funktionen: Zum einen sind sie erforderlich für die grundlegende Funktionalität unserer Website. Zum anderen können wir mit Hilfe der Cookies unsere Inhalte für Sie immer weiter verbessern. Hierzu werden pseudonymisierte Daten von Website-Besuchern gesammelt und ausgewertet. Das Einverständnis in die Verwendung der technisch nicht notwendigen Cookies können Sie jeder Zeit wiederrufen. Weitere Informationen erhalten Sie auf unseren Seiten zum Datenschutz.

Erforderlich

Diese Cookies werden für eine reibungslose Funktion unserer Website benötigt.

Statistik

Für den Zweck der Statistik betreiben wir die Plattform Matomo, auf der mittels pseudonymisierter Daten von Websitenutzern der Nutzerfluss analysiert und beurteilt werden kann. Dies gibt uns die Möglichkeit Websiteinhalte zu optimieren.

Name Zweck Ablauf Typ Anbieter
_pk_id Wird verwendet, um ein paar Details über den Benutzer wie die eindeutige Besucher-ID zu speichern. 13 Monate HTML Matomo
_pk_ref Wird benutzt, um die Informationen der Herkunftswebsite des Benutzers zu speichern. 6 Monate HTML Matomo
_pk_ses Kurzzeitiges Cookie, um vorübergehende Daten des Besuchs zu speichern. 30 Minuten HTML Matomo