센서 데이터를 처리하는 자체 학습 마이크로 컨트롤러를위한 플랫폼 독립적 인 신경망

"GNU 컴파일러 컬렉션 (GCC) 기반의 표준 라이브러리를 사용하고 소스 코드를 최소한으로 줄임으로써 마이크로 컨트롤러에서 학습 알고리즘을 포함한 통합까지 가능합니다. "인공 신경망은 대용량 데이터 처리에 초점을 맞추지 않았지만 클라우드 나 강력한 컴퓨터에 연결할 필요가없는 자체 학습 마이크로 전자 공학을 구현할 수있는 가능성을 제공해야합니다."

응용 분야는 산업 4.0 응용 프로그램에 대한 센서 및 상태 모니터링뿐만 아니라보다 일반적인 IoT 목적을 중심으로 예상됩니다.

네트워크는 센서 데이터의 정규화, 네트워크 구조, 가장 적합한 활성화 기능 및 학습 알고리즘을 구성 할 수있는 다양한 작업에 맞게 모듈 형입니다.

학습 알고리즘으로서 온라인 다중 옵션 역 전파 알고리즘이 구현되었으며 진화 학습 전략이 개발 중입니다.

"GCC로 프로그래밍하면 거의 모든 플랫폼으로 이식 할 수 있습니다."라고 Fraunhofer가 말했습니다. "이것은 임베디드 시스템에서 학습 알고리즘을 포함하여 완전히 독립적 인 통합을 가능하게합니다. 더 효율적인 단위에서 학습 단계가 수행되는 고전적인 변형도 가능합니다. 이 경우의 이점은 동일한 플랫폼에 대해 동일한 소스 코드를 사용할 수 있다는 것입니다. 플랫폼별로 컴파일해야합니다. "

예를 들어, Windows를 사용할 때 소스 코드는 DLL (Dynamic link library)로 컴파일되어 Labview, Matlab 또는 Visual Studio와 같은 도구에 통합 될 수 있습니다.

초기 개발에서는 빠른 계산을 위해 PC를 제안합니다. 구성이 올바르면 임베디드 시스템에서 구현할 수 있습니다.

중립 네트워크의 버전은 Raspbian과 ATMega32U4가있는 Raspberry Pi에서 이미 시연되었습니다.이 후자는 '스마트 자체 무선 전류 센서', 스마트 객체, 시스템 및 기술에 관한 유럽 회의에서 발표 된 논문. 또 다른 구현은 Nuremberg의 SPS IPC Drives 2018에서 Fraunhofer IMS의 스탠드에 소개 될 것입니다.

향후 계획에는 특히 네트워크를위한 에너지 효율적인 하드웨어 가속기가 포함됩니다.