Projektübersicht
Analyse von EKG Daten durch Energieeffiziente Entscheidungsbäume auf einem Rekonfigurierbaren ASIC - KI-Sprung-GEnERIC (GEnERIC)

Projektbeschreibung
In diesem Projekt soll ein Ansatz des klassischen Maschinellen Lernen (ML) umgesetzt werden, um die Aufgabe des Wettbewerbs möglichst energieeffizient zu lösen. Dafür soll die Berechnung energieeffizienter Features sowie ein einfacher energieeffizienter Klassifikationsalgorithmus in einer 22nm CMOS-Technologie implementiert werden. Entgegen dem aktuellen Trend bei Deep Learning bietet eine optimierte Kombination aus Featureberechnung und klassischen ML-Algorithmen die Option einer energieeffizienten Umsetzung in Hardware. Neben einem neuartigen Schaltungskonzept für den Klassifikationsalgorithmus soll die Energieeffizienz des KI-Systems insbesondere durch die Co-Optimierung aller Ebenen von ML-Algorithmus, Featureberechnung und Hardware-Architektur maximiert werden.
Laufzeit
01.10.2019 bis 31.12.2020
Projektleitung
Prof. Dr.-Ing. Y. Manoli
Ansprechpartner/in
M. Sc. J. Kollmitz
Telefon:+49 (0) 761 / 203 - 67557
E-Mail:jan.kuehn@imtek.uni-freiburg.de
Kooperationspartner
M. Sc. Daniel Sanchez, Hahn-Schickard, Villingen-Schwenningen
Finanzierung
Bundesministerium für Bildung und Forschung