SISTEMAS ADAPTATIVOS EN HARDWARE DE REDES NEURONALES PROFUNDAS PARA PROCESAMIENT...
SISTEMAS ADAPTATIVOS EN HARDWARE DE REDES NEURONALES PROFUNDAS PARA PROCESAMIENTO INTELIGENTE DE AUDIO
DESDE HACE UNA DECADA ESTA TENIENDO LUGAR UNA REVOLUCION TECNOLOGICA ASOCIADA AL DESARROLLO DE LA INTELIGENCIA ARTIFICIAL (IA). A RAIZ DE ESTA SITUACION, GRANDES EMPRESAS (GOOGLE, INTEL, MICROSOFT,...) HAN DESARROLLADO UNA GRAN VA...
DESDE HACE UNA DECADA ESTA TENIENDO LUGAR UNA REVOLUCION TECNOLOGICA ASOCIADA AL DESARROLLO DE LA INTELIGENCIA ARTIFICIAL (IA). A RAIZ DE ESTA SITUACION, GRANDES EMPRESAS (GOOGLE, INTEL, MICROSOFT,...) HAN DESARROLLADO UNA GRAN VARIEDAD DE IMPLEMENTACIONES IA EN HARDWARE. PARA ESTO SE INTENTAN IMPLEMENTAR DE FORMA ENERGETICAMENTE EFICIENTE DIFERENTES ALGORITMOS QUE SE REPITEN MUCHO EN APRENDIZAJE AUTOMATICO COMO LOS "MULTIPLY-AND-ACCUMULATE" NECESARIOS PARA LAS REDES NEURONALES PROFUNDAS. POR TANTO ESTAMOS EN UN MOMENTO HISTORICO DE TRANSFORMACION CON ALTA DEMANDA POR PARTE DE LA INDUSTRIA DE DISEÑOS QUE IMPLEMENTEN LA IA EN HARDWARE CON ALTA EFICIENCIA ENERGETICA (EE) PUESTO QUE UN ALTO VALOR DE ESTA FIGURA DE MERITO IMPLICA LA POSIBILIDAD TANTO DE INCORPORAR LA IA EN DISPOSITIVOS QUE OPERAN CON BATERIAS (LOS DISPOSITIVOS 'EDGE') COMO DE APLICARLOS A SISTEMAS DE SUPERCOMPUTACION MASIVA. LA PRESENTE PROPUESTA DE PROYECTO SE CENTRA EN EL DESARROLLO DE UN DEMOSTRADOR HARDWARE QUE IMPLEMENTE UN PROCESADO DE AUDIO MEDIANTE DIFERENTES METODOLOGIAS DE DISEÑO DE HARDWARE-IA CON ALTA EE Y QUE HAN SIDO DESARROLLADOS DURANTE LA EJECUCION DEL PROYECTO NACIONAL TEC2017-84877-R. EL DEMOSTRADOR PROPUESTO DEBERA PROPORCIONAR UN BAJO CONSUMO QUE LO HAGAN SUSCEPTIBLE DE SER APLICADO A IMPLEMENTACIONES "ON THE EDGE". LAS CARACTERISTICAS DE ALTA EFICIENCIA ENERGETICA VENDRAN DADAS POR EL USO DE UNA SERIE DE METODOLOGIAS DE DISEÑO NO CONVENCIONALES COMO ES EL USO DE LA COMPUTACION ESTOCASTICA (SC), EL ALGEBRA TROPICAL (TA), O LA COMPUTACION MEDIANTE EL USO DE SISTEMAS DE RESERVOIR (RC). ESTAS METODOLOGIAS DE DISEÑO FUERON DESARROLLADAS EN EL PROYECTO ANTERIOR Y HAN GENERADO DOS SOLICITUDES DE PATENTES ESPAÑOLAS Y DIVERSAS PUBLICACIONES CONSISTENTES EN: (A) PATENTE SOBRE LA IMPLEMENTACION DE REDES NEURONALES CONVOLUCIONALES (CNN) EN HARDWARE MEDIANTE SC, (B) PATENTE SOBRE LA IMPLEMENTACION DE UNA METODOLOGIA DE ENTRENAMIENTO DE REDES NEURONALES RECURRENTES APLICANDO TA, (C) PUBLICACION DE UNA METODOLOGIA DE IMPLEMENTACION DE REDES NEURONALES RECURRENTES DEL TIPO ECHO STATE NETWORKS DE BAJO CONSUMO EN HARDWARE. LA SELECCION DE LA APLICACION DE AUDIO-AI VIENE MOTIVADA POR EL INTERES MOSTRADO POR LA EMPRESA VALENTRA TECHNOLOGIES (SAN JOSE, CALIFORNIA, EEUU) EN PODER DISPONER DE UNA SOLUCION DE ESTAS CARACTERISTICAS PARA APLICACIONES "EDGE". EL OBJETIVO TECNICO CONSISTE EN DESARROLLAR UN DISPOSITIVO DE MUY BAJO CONSUMO PARA IDENTIFICAR Y CLASIFICAR EVENTOS ACUSTICOS (ENTRE 5 Y 20 EVENTOS DISTINTOS) A LA VEZ QUE DISTINGUIR DISTINTAS PALABRAS CLAVE (ENTRE 10 Y 40 PALABRAS DISTINTAS). TENIENDO EN CUENTA LA COMPLEJIDAD DE LOS ALGORITMOS DE APRENDIZAJE AUTOMATICO EN RELACION AL NUMERO DE PARAMETROS DE AJUSTE (PESOS DE LA CNN) ASI COMO DE LAS OPERACIONES A REALIZAR, SE HACE NECESARIO EL UTILIZAR UNA METODOLOGIA DE COMPUTACION ALTERNATIVA A LA CLASICA (NORMALMENTE BASADA EN MICROPROCESADOR) Y QUE SEA CAPAZ DE REDUCIR CONSIDERABLEMENTE EL CONSUMO. EL CONJUNTO DE HERRAMIENTAS DE DISEÑO DE HARDWARE-AI DESARROLLADAS EN EL PROYECTO TEC2017-84877-R Y BASADAS EN METODOLOGIAS NO CONVENCIONALES COMO LAS MENCIONADAS PUEDEN SER UNA POSIBLE SOLUCION QUE DE SALIDA A UN PROBLEMA ACTUALMENTE NO RESUELTO POR LAS METODOLOGIAS COMPUTACIONALES TRADICIONALES COMO ES EL DE LOS SISTEMAS HARDWARE DE EDGE-INTELLIGENCE. EL OBJETIVO FINAL DEL PROYECTO SERIA EL DE TRANSFERIR DICHO SISTEMA A LA INDUSTRIA. OMPUTACION ESTOCASTICA\RECONOCIMIENTO DE EVENTOS DE AUDIO\ALGEBRA TROPICAL\REDES NEURONALES CONVOLUCIONALES\APRENDIZAJE PROFUNDO\APRENDIZAJE AUTOMATICOver más
Seleccionando "Aceptar todas las cookies" acepta el uso de cookies para ayudarnos a brindarle una mejor experiencia de usuario y para analizar el uso del sitio web. Al hacer clic en "Ajustar tus preferencias" puede elegir qué cookies permitir. Solo las cookies esenciales son necesarias para el correcto funcionamiento de nuestro sitio web y no se pueden rechazar.
Cookie settings
Nuestro sitio web almacena cuatro tipos de cookies. En cualquier momento puede elegir qué cookies acepta y cuáles rechaza. Puede obtener más información sobre qué son las cookies y qué tipos de cookies almacenamos en nuestra Política de cookies.
Son necesarias por razones técnicas. Sin ellas, este sitio web podría no funcionar correctamente.
Son necesarias para una funcionalidad específica en el sitio web. Sin ellos, algunas características pueden estar deshabilitadas.
Nos permite analizar el uso del sitio web y mejorar la experiencia del visitante.
Nos permite personalizar su experiencia y enviarle contenido y ofertas relevantes, en este sitio web y en otros sitios web.