| DZIEKAN i RADA WYDZIAŁU ELEKTROTECHNIKI, AUTOMATYKI, INFORMATYKI i ELEKTRONIKI AKADEMII GÓRNICZO-HUTNICZEJ im. ST. STASZICA W KRAKOWIE |
|---|
| zapraszają na publiczą dyskusję nad rozprawą doktorską mgr inż. Mariusza Kwiczala |
| Implementacja sieci neuronowych w układach FPGA |
| Dyskusja odbędzie się 17 marca 2010 roku o godz. 11:00 w Sali Konferencyjnej Rady Wydziału EAIiE, al. Mickiewicza 30, pawilon B-1, sala 4 |
| PROMOTOR: prof. dr hab. inż. Kazimierz Wiatr – Akademia Górniczo-Hutnicza |
| RECENZENCI: dr hab. inż. Edward Hrynkiewicz, prof. Politechniki Śląskiej - Politechnika Śląska |
| prof. dr hab. inż. Ryszard Tadeusiewicz – Akademia Górniczo-Hutnicza |
| Z rozprawą doktorską i opiniami recenzentów można się zapoznać w Czytelni Biblioteki Głównej AGH, al. Mickiewicza 30 |
Implementacja sieci neuronowych w układach FPGA
mgr inż. Mariusz Kwiczala
Promotor: prof. dr hab. inż. Kazimierz Wiatr – Akademia Górniczo-Hutnicza
Dyscyplina: Elektronika
Rozprawa przedstawia implementacje sieci neuronowych w układach FPGA. Ze względu na realizowane algorytmy przetwarzania obrazu, sieci składały się z dużej liczby połączonych neuronów, aby mogły realizować wyznaczone cele. Ograniczeniem jest wielkość zasobów sprzętowych FPGA, jakimi dysponujemy.
W pracy przeanalizowano, a następnie zaimplementowano różnego rodzaju stopnie zrównoleglenia operacji, dokładności reprezentacji danych, cyfrowe mnożenia oraz funkcje aktywacji w celu odpowiedniego dopasowania struktury sieci neuronowej do zasobów układu FPGA. Sieci neuronowe zostały zaimplementowane w języku VHDL, uruchomione na płycie PLDA XpressFx z układem Virtex 4-FX100 i podłączonej do komputera klasy PC przy pomocy interfejsu PCI Express. Tak zaimplementowane sieci pełniły rolę koprocesora z zaimplementowaną siecią neuronową i posłużyły do akceleracji obliczeń trzech problemów obliczeniowych: rozpoznawania ręcznie pisanych cyfr, rozpoznawania twarzy i detekcji twarzy w obrazie. Zaimplementowana logika sieci neuronowych cechuje się parametryzacją, która umożliwia dobór liczby warstw, liczby neuronów, dokładności obliczeń, zrównoleglenia operacji, typu funkcji aktywacji.
Uzyskana w pracy około 100-krotna akceleracja obliczeń w sieci neuronowej zaimplementowanej w układzie FPGA w porównaniu z realizacją software’ową na komputerze klasy PC, potwierdza stawianą w pracy tezę: „Sprzętowa implementacja sieci neuronowej w układach FPGA pozwala na znaczącą akcelerację obliczeń, w tym szczególnie przeznaczonych dla przetwarzania obrazów wizyjnych w czasie rzeczywistym.”
Pełna wersja autoreferatu autoreferat_kwiczala.pdf.