Spiking sinir ağlarına dayalı sınıflandırma modellerinin duruma bağlı seçimi (3622)

Güvenlik ve kötü hava koşullarında çalışabilme özelliklerinin yanı sıra, bilişim için gereken enerji gereksinimleri, otonom araçların daha karmaşık uygulamalarda kullanılmasının önünde bir engel teşkil etmektedir.

HIGHEST - Innovations- und Gründungszentrum der TU Darmstadt

Jessica Retzlaff

Jessica Retzlaff

Innovationsmanagerin

Ayrıntılar

►Edge AI uygulamalarında (örneğin araçlarda) makine öğrenimi yöntemlerinin çıkarımı için enerji gereksinimlerinin azaltılması

Bir durum tanıma (örneğin haritadan yol türü, araç hızı, ıslaklık tespiti, vb.) temelinde, bir düzenleyici, örneğin nesne tanıma işlemini gerçekleştirmek için şu anda hangi uygulanan, eğitilen ve yayınlanan (spiking) sinir ağının kullanılması gerektiğine karar verir. Bu şebekeler enerji gereksinimleri ve performansları açısından farklılık göstermekte olup, basit durumlarda enerji tüketimi açısından maksimum performans seçilirken, zorlayıcı durumlarda (örneğin VRU tespit edildiğinde) maksimum performans seçilmektedir.

Belgeler