témavezető: Oniga István
helyszín (magyar oldal): Debreceni Egyetem Informatikai Kar helyszín rövidítés: DE IK
A kutatási téma leírása:
Doktori 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.
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. Suto, J., Oniga, S., Lung, C. et al. Neural Comput & Applic (2018). https://doi.org/10.1007/s00521-018-3437-x.
5. Suto, J. & Oniga, S. J Ambient Intell Human Comput (2018) 9, Issue 4, pp 1049–1060. https://doi.org/10.1007/s12652-017-0513-5.
6. Oniga, S., and Sütő J. "Optimal recognition method of human activities using artificial neural networks." Measurement Science Review 15, no. 6 (2015): 323-327.. https://doi.org/10.1515/msr-2015-0044
7. Avvaru Srinivasulu, FPGA Implementation of Hopfield Neural Network, LAP Lambert Academic Publishing, 2012, ISBN 3848435454, 9783848435456.
8. Kiran Kintali and Yongfeng Gu, Model-Based Design with Simulink, HDL Coder, and Xilinx System Generator for DSP, MathWorks, White paper, 2012.
Jelentkezési határidő: 2022-11-15
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).