Busca avançada
Ano de início
Entree

Implementação de uma camada de convolução usando multiplicadores aproximados em FPGA para redes neurais convolucionais

Processo: 18/00096-1
Linha de fomento:Bolsas no Exterior - Estágio de Pesquisa - Iniciação Científica
Vigência (Início): 01 de abril de 2018
Vigência (Término): 31 de julho de 2018
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
Pesquisador responsável:Ricardo Menotti
Beneficiário:Leonardo Tavares Oliveira
Supervisor no Exterior: Nader Bagherzadeh
Instituição-sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
Local de pesquisa : University of California, Irvine (UC Irvine), Estados Unidos  
Vinculado à bolsa:17/13520-3 - Um acelerador para treinamento de redes neurais convolucionais profundas implementado em FPGA, BP.IC
Assunto(s):Computação reconfigurável   Inteligência artificial   Redes neurais convolucionais   Circuitos FPGA

Resumo

A evolução da Computação de Alto Desempenho permitiu a popularização de muitos programas e algoritmos que exigiam alto poder computacional, como as redes neurais convolucionais. No entanto, a necessidade de maior precisão na classificação resultou no aumento do número de camadas utilizadas por essas redes, aumentando o consumo de energia de todo o sistema. O projeto de doutorado de Min Soo Kim, orientado pelo Prof. Nader Bagherzadeh na Universidade da Califórnia, Irvine, tem como objetivo reduzir o consumo de energia acima mencionado usando cálculos aproximados para a etapa de inferência, mantendo o mesmo nível de precisão. Um multiplicador aproximado foi proposto por Min Soo Kim, reduzindo o consumo de energia em 76,6% e alcançando a mesma precisão quando comparado com um multiplicador de ponto fixo. Este projeto visa implementar uma camada de convolução primitiva em FPGA usando o multiplicador aproximado proposto por Min Soo Kim, avaliando e comparando os resultados com outros multiplicadores aproximados.

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
KIM, MIN SOO; DEL BARRIO, ALBERTO A.; OLIVEIRA, LEONARDO TAVARES; HERMIDA, ROMAN; BAGHERZADEH, NADER. Efficient Mitchell's Approximate Log Multipliers for Convolutional Neural Networks. IEEE TRANSACTIONS ON COMPUTERS, v. 68, n. 5, p. 660-675, MAY 2019. Citações Web of Science: 1.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.