Uni-Logo
Sie sind hier: Startseite Forschung Projektübersicht

Projektübersicht

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

Projektbild

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 30.09.2020

Projektleitung

Prof. Dr.-Ing. Y. Manoli

Ansprechpartner/in

M. Sc. J. Kollmitz
Telefon:+49 (0) 761 / 203 - 67557

Kooperationspartner

M. Sc. Daniel Sanchez, Hahn-Schickard, Villingen-Schwenningen

Finanzierung

Bundesministerium für Bildung und Forschung
Benutzerspezifische Werkzeuge