Banca de DEFESA: MARIA GRACIELLY FERNANDES COUTINHO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : MARIA GRACIELLY FERNANDES COUTINHO
DATA : 17/01/2019
HORA: 13:30
LOCAL: Auditório do nPITI
TÍTULO:

Proposta de implementação em Hardware de Rede Neural Profunda baseada em Stacked Sparse Autoencoder


PALAVRAS-CHAVES:

Aprendizagem Profunda, FPGA, Stacked Sparse Autoencoder, Matriz Sistólica.


PÁGINAS: 80
RESUMO:

As técnicas de aprendizagem profunda (Deep Learning) aplicáveis a problemas de diversas áreas vêm ganhando grande destaque no âmbito da pesquisa mundial nos últimos anos. No entanto, os algoritmos com aprendizagem profunda possuem um custo computacional elevado, dificultando sua utilização em várias aplicações comerciais. Por outro lado, novas alternativas vêm sendo estudadas para acelerar algoritmos complexos, e entre elas, as baseadas em computação reconfigurável vêm apresentando resultados bastante significativos. Sendo assim, este trabalho tem como objetivo a implementação em hardware de uma rede neural para utilização de algoritmos com aprendizagem profunda. O hardware proposto foi desenvolvido em Field Programmable Gate Array (FPGA) e suporta Redes Neurais Profundas (Deep Neural Network - DNN) treinadas com a técnica Stacked Sparse Autoencoder (SSAE). Para permitir DNNs com muitas entradas e camadas na FPGA, foi utilizada a técnica de matriz sistólica (systolic array) em todo hardware desenvolvido. Os detalhes da arquitetura desenvolvida na FPGA são evidenciados, bem como, os dados de ocupação em hardware e o tempo de processamento para duas implementações distintas. Resultados mostram que as implementações conseguem atingir throughputs elevados, permitindo a utilização de técnicas de Deep Learning em problemas de dados massivos.


MEMBROS DA BANCA:
Presidente - 1837240 - MARCELO AUGUSTO COSTA FERNANDES
Interno - 347628 - ADRIAO DUARTE DORIA NETO
Externo ao Programa - 1669545 - DANIEL SABINO AMORIM DE ARAUJO
Externo à Instituição - CARLOS ALBERTO VALDERRAMA SAKUYAMA - UMONS
Notícia cadastrada em: 18/12/2018 05:05
SIGAA | Superintendência de Tecnologia da Informação - (84) 3342 2210 | Copyright © 2006-2024 - UFRN - sigaa14-producao.info.ufrn.br.sigaa14-producao