Найти

Расширенные фильтры
Опубликовано после
Опубликовано до

Результаты поиска

Найден один результат.

  • СПОСОБ ИСПОЛЬЗОВАНИЯ СРЕДСТВ БЫСТРОГО ПРОТОТИПИРОВАНИЯ ДЛЯ РЕАЛИЗАЦИИ СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ НА ПЛИС

    В.В. Бахчевников , В. А. Деркачев , А. Н. Бакуменко
    2020-10-11
    Аннотация ▼

    Исследования в области искусственного интеллекта ведутся с возрастающим и н-
    тересом с каждым годом. Области применения искусственного интеллекта довольно
    обширны: автоматизация, анализ большого объема данных, технологии умного дома,
    машинное зрение и т.д. Технологии искусственного интеллекта базируются на использ о-
    вании искусственных нейронных сетей, имеющие в своей основе принципы нервной сис-
    темы животных. При этом актуальным вопросом является реализация искусственных
    нейронных сетей на различных программно-аппаратных платформах: программируемых
    логических интегральных схемах (ПЛИС) типа FPGA (Field Programmable Gate Array), на
    интегральных схемах специального назначения (Application-Specific Integrated Circuit,
    ASIC), GPU, CPU и т.д. ПЛИС наилучшим образом проявляют себя в маломощных мо-
    бильных системах. ASIC демонстрируют наибольшую производительность с н едостат-
    ком: высокая цена разработки. Проблема быстрого прототипирования проектов, осн о-
    ванных на использовании искусственных нейронных сетей, для ПЛИС привычными мет о-
    дами (c помощью HDL-языков, HDL-кодеров, графического программирования) заключа-
    ется в том, что либо такой проект сложен и длителен в отладке (HDL-языки), либо не
    оптимален получающийся код (HDL-кодеры), либо высока длительность разработки
    проекта и сложность реконфигурации нейронной сети (графическое программирование).
    Поэтому в рамках данной работы рассматривается эффективный метод проектирова-
    ния полносвязных и сверточноых нейронных сетей для их реализации на ПЛИС использ о-
    ванием пакета Xilinx System Generator for DSP и Matlab/Simulink. Генерируемые таким
    образом искусственные нейросети легко реконфигурируемы и позволяют решать сле-
    дующие задачи: распознавание изображений, оптимальная фильтрация (например, для
    задач подповерхностной радиолокации).

1 - 1 из 1 результатов