hrvatski

Klasifikacija akustičkih događaja neuronskom mrežom izvedenom u FPGA

U ovome radu implementiran je akusticki detektor baziran na binariziranoj neuronskoj mreži, koja ima dva sloja: jednodimenzionalni konvolucijski i potpuno povezani. U odnosu na dosadašnje detektore postignut je napredak u tocnosti detekcije. Za generiranje skupa podataka, kreiranje mreže, njeno treniranje i validaciju korišten je PyTorch 0.4 radni okvir. Uz 6 pogrešaka na sekvenci mreža pokazuje tocnost od 81, 2% što predstavlja gubitak od 11, 6% u odnosu na mrežu prije binarizacije. Demonstriran je novi regularizacijski postupak koji u funkciju cijene dodaje udaljenost težina neurona od abs(1) i time smanjuje kvantizacijsku pogrešku binariziranja. Implementacija je izvedena na Lattice iCE40UL1K FPGA sklopu sa zauzecem 488 od 1248 logickih elemenata. Sklop s implementiranom mrežom i radnim taktom od 10 kHz ima potrošnju od 36, 6 μA. Najveci udio ukupne potrošnje u sklopu (99, 2%) predstavlja staticka struja curenja.

niska potrošnja, wake-up sensing, FPGA, binarizirana, XNORNet, PyTorch

nije evidentirano