Αρχιτεκτονικές επιταχυντών υλικού για συνελικτικά δίκτυα
Στόχος της παρούσας διπλωματικής εργασίας ήταν ο σχεδιασμός και υλοποίηση ενός μοντέλου μηχανικής μάθησης, συγκεκριμένα ενός νευρωνικού δικτύου convolutional autoencoder, με σκοπό την τοποθέτησή του εντός FPGA υλικού. Η υλοποίηση έγινε εντός του περιβάλλοντος Catapult. Θα περιγράψουμε το απαραίτητο...
Κύριος συγγραφέας: | Κόλλιας, Γεώργιος |
---|---|
Άλλοι συγγραφείς: | Kollias, Yorgos |
Γλώσσα: | Greek |
Έκδοση: |
2023
|
Θέματα: | |
Διαθέσιμο Online: | https://hdl.handle.net/10889/24757 |
Παρόμοια τεκμήρια
-
Αναγνώριση νεφών με βαθιά συνελικτικά νευρωνικά δίκτυα
ανά: Σπηλιόπουλος, Νικόλαος
Έκδοση: (2022) -
Αρχιτεκτονικές και υλοποιήσεις του νευρωνικού δικτύου LeNet-5 σε FPGAs
ανά: Ευαγγέλου, Γεώργιος, κ.ά.
Έκδοση: (2020) -
Accelerating VGG neural network in GPU and FPGA technologies
ανά: Χριστόπουλος, Στέφανος
Έκδοση: (2022) -
Αλγόριθμοι βαθειάς μηχανικής μάθησης και υλοποιήσεις σε επαναδιατασσόμενες διατάξεις για εφαρμογές επεξεργασίας εικόνας
ανά: Κανακάρης, Νικόλαος
Έκδοση: (2020) -
Βαθιά νευρωνικά δίκτυα
ανά: Αλεξανδρή, Κωνσταντίνα
Έκδοση: (2019)