Implementación de una matriz de compuertas programables en campo optimizada para potencia de funciones de activación neuronal utilizando fracciones continuas para cargas de trabajo de IA/ML
Autores: Hingu, Chanakya; Fu, Xingang; Saliyu, Taofiki; Hu, Rui; Mishan, Ramkrishna
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Implementación de una matriz de compuertas programables en campo optimizada para potencia de funciones de activación neuronal utilizando fracciones continuas para cargas de trabajo de IA/ML
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Eficiente en energía
Plataformas de hardware
Inteligencia artificial
Aprendizaje automático
Red neuronal
FPGA
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 39
Citaciones: Sin citaciones
La creciente demanda de plataformas de hardware eficientes en energía para soportar algoritmos de inteligencia artificial (IA) y aprendizaje automático (ML) en la informática perimetral ha impulsado la adopción de arquitecturas de sistemas en un chip (SoC). La implementación de funciones de activación de redes neuronales (NN), como la tangente hiperbólica (tanh), en hardware presenta desafíos debido a la complejidad computacional, los altos requisitos de recursos y el consumo de energía. Este documento tiene como objetivo optimizar la implementación de hardware de la función tanh utilizando fracciones continuas y aproximaciones polinómicas para minimizar el consumo de recursos y el uso de energía, al tiempo que se preserva la precisión computacional.
Descripción
La creciente demanda de plataformas de hardware eficientes en energía para soportar algoritmos de inteligencia artificial (IA) y aprendizaje automático (ML) en la informática perimetral ha impulsado la adopción de arquitecturas de sistemas en un chip (SoC). La implementación de funciones de activación de redes neuronales (NN), como la tangente hiperbólica (tanh), en hardware presenta desafíos debido a la complejidad computacional, los altos requisitos de recursos y el consumo de energía. Este documento tiene como objetivo optimizar la implementación de hardware de la función tanh utilizando fracciones continuas y aproximaciones polinómicas para minimizar el consumo de recursos y el uso de energía, al tiempo que se preserva la precisión computacional.