LUTNet Ein energieeffizientes KI Netz aus elementaren Lookup-Tabellen

Ziele

Die Projektpartner entwickeln einen innovativen Lösungsansatz für energieeffiziente Künstliche Intelligenz (KI) basierend auf künstlichen neuronalen Netzen in Field Programmable Gate Arrays (FPGAs). Ziel des Projektes ist es, am Beispiel der 1-dimensionalen Streamverarbeitung (Artefakterkennung im EKG)  für ein FPGA eine grundlegend neue KI-Struktur auf Basis klassischer CNN-Architekturen zu entwickelt. Mit Hilfe von Machine Learning Verfahren wird das Signal ausgewertet und das Ergebniss klassifiziert. Dabei muss eine vorgegebene Erkennungsrate erreicht  und der Energiebedarf soweit wie möglich minimiert werden.

Personen

Wissenschaftliche Leitung

Publikationen
An Embedded CNN Implementation for On-Device ECG Analysis

Alwyn Burger, Chao Qian, Gregor Schiele, Domenik Helms; 2020 IEEE International Conference on Pervasive Computing and Communications Workshops (PerCom Workshops); 0March / 2020

Modelling neural networks as SDFG representations for energy efficient hardware

Mark Kettner and Behnam Razi Perjikolaei and Wolfgang Nebel; 009 / 2020

FPGA based low latency, low power stream processing AI

Domenik Helms, Mark Kettner, Behnam Razi Perjikolaei, Lukas Einhaus, Christopher Ringhofer, Gregor Schiele; European Workshop on On-Board Data Processing; 0June / 2021

Partner
Universität Duisburg-Essen - Fachgebiet Eingebettete Systeme der Informatik
www.uni-due.de/es/

Laufzeit

Start: 01.10.2019
Ende: 30.09.2020

Fördermittelgeber