Wissenschaftlicher Mitarbeiter

Safdar Mahmood
Verfügungsgebäude 1C, Raum 1.36

T: +49 (0) 355 69 2026
F: +49 (0) 355 69 2027
safdar.mahmood(at)b-tu.de

Education
  • [2007-2011] B.Engg., PAF-KIET Karachi, Pakistan.
  • [2012-2015] M.Sc., University of Bremen, Germany.
Research Interest

AI and Machine Learning, Neural Network Topologies, AI Algorithms, Efficient Architectures for Machine Learning Acceleration, Applications of AI and ML in diverse areas including Embedded and Autonomous Systems

Publications

[2020] “A Modular Software Library for Effective High-Level Synthesis of Convolutional Neural Networks”, Muñoz Hernandez; Safdar Mahmood; Marcelo Brandalero and Michael Hübner, International Symposium on Applied Reconfigurable Computing 2020 

[2020] “Domain Adaptive Processor Architectures”, Florian Fricke; Safdar Mahmood; Javier Hoffmann; Muhammad Ali; Keyvan Shahin; Michael Hübner; Diana Göhringer, Kommunikation und Bildverarbeitung in der Automation 2020 

[2019] “IP Core Identification in FPGA Configuration Files using Machine Learning Techniques”, Safdar Mahmood ; Jens Rettkowski ; Arij Shallufa ; Michael Hübner ; Diana Göhringer, 2019 IEEE 9th International Conference on Consumer Electronics (ICCE-Berlin) 

[2019] “Inspection of Partial Bitstreams for FPGAs Using Artificial Neural Networks”, Jens Rettkowski ; Safdar Mahmood ; Arij Shallufa ; Michael Hübner ; Diana Göhringer, 2019 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW)

[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 

[2018] “An Application Specific Framework for HLS-based FPGA Design of Articulated Robot Inverse Kinematics", Safdar Mahmood ; Pavel Shydlouski ; Michael Hubner, 2018 International Conference on ReConFigurable Computing and FPGAs (ReConFig) 

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