2020 Método de implementación hardware de redes neuronales convolucionales
Implementación de hardware de grandes redes neuronales artificiales para el reconocimiento de sonidos, voz o imágenes.
Descripción
En los últimos años el uso de redes neuronales extensas (Deep Neural Networks, DNN) han adquirido gran relevancia por su gran capacidad de extraer información útil a partir de grandes cantidades de datos. Su implementación hardware posibilita el aumento en velocidad de operación al realizarse la computación en paralelo comparándolo con aproximaciones basadas en el uso de microprocesadores que utilizan arquitecturas de computación secuenciales del tipo Von-Neuman (soluciones Software). Las redes neuronales convolucionales (Convolutional Neural Networks, CNN) son un tipo de DNN con una conexión del tipo Feed-Forward (sin realimentación), especialmente útiles para el reconocimiento de formas en imágenes.
Gracias al uso de diferentes técnicas de computación aproximada (por ejemplo, la computación estocástica) en la implementación de la red neuronal se consigue una reducción considerable de los requisitos de hardware en comparación con la lógica binaria tradicional. A la vez que se reducen los requisitos de superficie y energía, se mantiene la precisión. La red neuronal se implementa utilizando una solución totalmente digital.