Call for Papers

Deeply Neuronal Networking für Embedded ( Vortrag )

Intelligentere Embedded-Systeme entwickeln

Referent: Andres Mlinar, Embedded Trend GmbH
Vortragsreihe: Machine Learning
Zeit: 06.12.17 15:35-16:15

Zielgruppe

Entwicklung

Themenbereiche

Analyse & Design

Schwerpunkt

Technologie

Voraussetzungen

Grundlagenwissen

Kurzfassung

In den letzten Jahren wurden dank Internet neuronale Netzwerke mit extrem großen Rechenleistungen und einer sehr tiefen Vernetzung geschaffen. Mit diesem Deeply Neuronal Networking lassen sich intelligente Strukturen schaffen, die ganz neue Anwendungen eröffnen indem man Systeme anlernen kann und dieses erlernte Wissen dann weiter nutzt. Solche Strukturen wären auch im Embedded Bereich wünschenswert, um zum Beispiel intelligente Sensoren zu entwickeln. Dagegen spricht allerdings der immense Rechen- und Vernetzungsaufwand. Der Vortrag beschreibt ein Verfahren, mit dem im DNN angelerntes Wissen auch im Embedded Bereich eingesetzt werden kann, so dass mit handelsüblichen Prozessoren, z.B. Cortex M mit überschaubarem Speicher, DNN Anwendungen realisiert werden können. Dazu gehören die Erkennung komplexer grafische, akustischer oder physikalischer Strukturen, die einfach angelernt werden können.

Gliederung

Der Vortrag gibt eine kurze Einführung in Deeply Neuronal Networking und zeigt an Hand eines Beispiels wir Muster in einer Cloud angelernt werden. Anschließend wird das so erzeugte DNN in ein Embedded System geladen und mit einer entsprechenden intelligenten Middleware (DNNET) zur dezentralen Mustererkennung eingesetzt.

Nutzen und Besonderheiten

Dieser so einfach klingende Vorgang ist wegen seiner Komplexität bisher noch nicht in Embedded Systemen eingesetzt worden, was sich aber dank intelligenter Middlewere rasch ändern kann.

Über den Referenten

Andrés Mlinar has more than 15 years of experience in embedded software, specializing in the areas of development tools, RTOS, middle-ware, drivers and system software. In the last few years he has been involved with machine learning and artificial intelligence.