عنوان
استنتاج مشاركتي شبكه عصبي عميق روي چند دستگاه لبه با منابع محدود با هدف بهبود سرعت استنتاج
نويسنده اصلي
اميرشاه كرمي، سيدعلي
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
مهندسي كامپيوتر
مقطع تحصيلي
كارشناسي ارشد
چكيده
با پيشرفت‌هاي اخير در حوزه هوش مصنوعي و بينايي ماشين، شبكه‌هاي عصبي عميق به عنوان يكي از ابزارهاي قدرتمند براي بهبود عملكرد سيستم‌هاي پيچيده از جمله تشخيص تصوير و ويدئو به كار گرفته شده‌اند. اين فناوري‌ها امكان پياده‌سازي سيستم‌هايي نظير تشخيص چهره، ناوبري خودروهاي خودران، و پردازش زبان طبيعي را فراهم كرده‌اند. با اين حال، اجراي استنتاج در شبكه‌هاي عصبي عميق نيازمند منابع محاسباتي بالايي است كه اين امر در دستگاه‌هاي لبه با منابع محدود چالش‌برانگيز مي‌باشد. اين پژوهش به معرفي و ارزيابي يك روش استنتاج مشاركتي شبكه‌هاي عصبي كانولوشني در چندين دستگاه لبه مي‌پردازد كه هدف آن افزايش سرعت استنتاج در عين حفظ دقت مدل، با در نظر گرفتن محدوديت‌هاي سخت‌افزاري دستگاه‌هاي لبه است. شبكه‌هاي عصبي كانولوشني نوع خاصي از شبكه‌هاي عصبي عميق هستند كه بيشتر در كاربردهاي مربوط به پردازش تصوير مورد استفاده قرار مي‌گيرند.
روش پيشنهادي در اين پژوهش، شامل تقسيم‌بندي داده ورودي شبكه عصبي و توزيع محاسبات ميان چندين دستگاه لبه مي‌باشد. اين تقسيم‌بندي با هدف كاهش مصرف منابع و افزايش سرعت پردازش انجام مي‌گيرد. يكي از نوآوري‌هاي اين پژوهش، پياده‌سازي امكان اجراي لايه‌هاي ادغام به صورت موازي در دستگاه‌ها به جاي انجام اين عمليات به صورت متمركز روي يك دستگاه مي‌باشد. اين تغيير در ساختار پردازشي منجر به كاهش نياز به تجميع خروجي‌ها در دستگاه اصلي و در نتيجه افزايش قابل توجهي در سرعت استنتاج مي‌شود.
نتايج آزمايش‌ها نشان مي‌دهد كه روش پيشنهادي توانسته است با كاهش تأخير استنتاج و افزايش كارايي، عملكرد بهتري نسبت به روش‌هاي سنتي و مشابه ارائه دهد. اين روش نسبت به روش هاي مشابه، با حفظ دقت، سرعت استنتاج را به طور متوسط 30 درصد افزايش داده است. اين بهبودها مي‌تواند در كاربردهاي گوناگوني مانند سامانه‌هاي نظارتي، اينترنت اشياء، و سيستم‌هاي هوشمند نظير خودروهاي خودران، تأثير بسزايي داشته باشد.
شماره ركورد
232305
گرايش رشته تحصيلي
هوش مصنوعي و رباتيكز
دانشكده
مهندسي برق و كامپيوتر
دانشگاه
دانشگاه صنعتي اصفهان