Techniques de codage optimisés pour la conception d’accélérateurs matériels de réseaux de neurones profonds

Publié le : 8 février 2020

Les approches par réseaux de neurones artificiels ont permis une amélioration importante des performances dans de nombreux domaines tels que la classification, la segmentation, etc. L’efficacité de cette approche n’étant plus à démontrer le nombre d’applications envisagées est en pleine croissance.

Cependant, du à leurs complexités calculatoires et à leur besoin mémoire, ces réseaux sont difficilement portable dans des applications embarquées faible puissance.

Pour améliorer le portage sur plateforme embarqué, de nombreux travaux de recherche ont abouti sur différentes techniques permettant de réduire l’empreinte mémoire et calculatoires d’un réseau de neurones artificiels: Réduction de nombre de paramètre, quantification numérique, etc. Cette thèse veut pousser plus loin l’optimisation des réseaux en travaillant sur le codage de l’information.

Cette thèse propose d’explorer une nouvelle méthode en travaillant directement sur la manière de coder l’information au sein du réseau de neurones. Cette méthode de codage aurait pour finalité d’unifier deux modèles de codage existant: modèle vectoriel et modèle impulsionnel, tout en gardent en perspective d’une implémentation matériel.

En naviguant sur notre site, vous acceptez que des cookies soient utilisés pour vous proposer des contenus et services adaptés à vos centres d’intérêts. En savoir plus
X