témavezető: Oniga István
helyszín (magyar oldal): Debreceni Egyetem Informatikai Kar helyszín rövidítés: DE IK
A kutatási téma leírása:
A kutatás célja az újrakonfigurálható eszközök alkalmazása mesterséges neurális hálózatok hardveres implementációjára. Az algoritmusok implementálása előzetesen magas szintű programozási nyelven történik (Matlab illetve C, C++). Ezt követően három lehetséges megvalósítási módszer közül lehet választani: hardverleíró nyelven (HDL), System Generator segítségével vagy magas szintű szintetizáló eszközök (HLS) alkalmazásával. Esettanulmányok: az implementált mesterséges neurális hálózatok alkalmazása a mintafelismerési feladatokban (tevékenység felismerés).
Irodalom:
1. Dennis Silage, Trends in Embedded Design Using Programmable Gate Arrays, Bookstand Publishing 2013, 320 oldal, ISBN 978-1-61863-541-9
2. Editors: Omondi, Amos R., Rajapakse, Jagath C. (Eds.), FPGA Implementations of Neural Networks, Publisher Springer (2006)
3. Jin, Zhanpeng, Autonomously Reconfigurable Artificial Neural Network on a Chip. Doctoral Dissertation, University of Pittsburgh, 2010.
4. S. Oniga, et al., Optimizing FPGA Implementation of Feed-Forward Neural Networks, Proceedings of the 11th International Conference on Optimization of Electrical and Electronic Equipment, OPTIM 2008, Brasov, Romania, pp.31-36, http://dx.doi.org/10.1109/OPTIM.2008.4602494.
5. Avvaru Srinivasulu, FPGA Implementation of Hopfield Neural Network, LAP Lambert Academic Publishing, 2012, ISBN 3848435454, 9783848435456.
6. Kiran Kintali and Yongfeng Gu, Model-Based Design with Simulink, HDL Coder, and Xilinx System Generator for DSP, MathWorks, White paper, 2012.
ajánlott nyelvtudás (magyar oldal): angol felvehető hallgatók száma: 1
Jelentkezési határidő: 2018-02-16
2024. IV. 17. ODT ülés Az ODT következő ülésére 2024. június 14-én, pénteken 10.00 órakor kerül sor a Semmelweis Egyetem Szenátusi termében (Bp. Üllői út 26. I. emelet).