Edgars Lielāmurs kopš 2020. gada ir pētnieks Elektronikas un datorzinātņu institūta Integrēto shēmu un sistēmu laboratorijā. Viņš ir absolvējis Rīgas Tehnisko universitāti, kur 2021. gadā ieguvis maģistra grādu elektrotehnikā.
Edgara Lielāmura galvenās intereses saistītas ar datorredzi, neiromorfisko skaitļošanu un signālapstrādes algoritmu realizēšanu FPGA.
Nesenie projekti
-
Inteliģentas, drošas un droši saistītas elektriskās mobilitātes risinājumi: Ceļā uz Eiropas zaļo kursu un ērtāku mobilitāti (EcoMobility) #ChipsJU
-
Uz kvantu mērījumu informācijas balstīts mākslīgais intelekts izkliedētās reāllaika robežskaitļošanas sistēmās (A-IQ Ready) #ChipsJU
-
Būtisko elektronisko komponentu un sistēmu (ECS) mozaika mūsu automatizētai digitālajai nākotnei rūpniecībā un mobilitātē (MOSAIC) #ChipsJU
-
Eiropas elektronisko komponenšu un sistēmu (ECS) vērtības ķēžu suverenitātes nodrošināšana, izstrādājot nākamās paaudzes ECS autobūves nozarei (ShapeFuture) #ChipsJU
Nesenās publikācijas
- Edgars Lielāmurs, Andrejs Cvetkovs, Rihards Novickis, Kaspars Ozols, 2023. Infrared Image Pre-Processing and IR/RGB Registration with FPGA Implementation. Electronics, 12(4), 4, MDPI.
- Rihards Novickis, Edgars Lielāmurs, Daniels Jānis Justs, Andrejs Cvetkovs, Kaspars Ozols. "Spatial Transformation Accelerator with Parallel Data Access Scheme for Sample Reconstruction" Electronics 13(5): pp.922 https://doi.org/10.3390/electronics13050922
- Edgars Lielāmurs, Kaspars Ozols. "Spatio-temporal Object Detection with Deep Spiking CNNs Using Time-of-Flight Data" 2024 19th Biennial Baltic Electronics Conference (BEC) pp.1-6. ttps://www.researchgate.net/publication/385653033_Spatio-temporal_Object_Detection_with_Deep_Spiking_CNNs_Using_Time-of-Flight_Data, https://ieeexplore.ieee.org/abstract/document/10737976
- Edgars Lielamurs, Ibrahim Sayed, Andrejs Cvetkovs, Rihards Novickis, Anatolijs Zencovs, Maksis Celitans, Andis Bizuns, George Dimitrakopoulos, Jochen Koszescha, Kaspars Ozols. 2025. "A Distributed Time-of-Flight Sensor System for Autonomous Vehicles: Architecture, Sensor Fusion, and Spiking Neural Network Perception" Electronics, 14(7) https://www.mdpi.com/2079-9292/14/7/1375