Towards Efficient Implementation of Artificial Neural Networks in Systems on Chip

Der Mangel an effektiv auf einem Chip implementierten künstlichen neuronalen Netze fordert einen neuen Ansatz. Die Ausnutzung der physikalischen Effekte, die uns die zur Realisierung benutzten Halbleitertechnologien bieten, können zum Beispiel für die flächensparende Implementierung genutzt werden. Neuronale Netze als integrierter Bestandteil komplexer Systeme können nur dann eingebettet werden, wenn die Voraussetzungen für eine kompakte Realisierung erfüllt sind. Dazu zählt vor allem eine flächensparende Implementierung aller Komponenten.
Diese Arbeit behandelt neue Ansätze zur Implementierung künstlicher neuronaler Netze in digitaler Hardware. Da diese meistens wesentlich mehr Chipfläche bedürfen, dafür aber mit wesentlich höherer Bandbreite und Datenraten arbeiten, wird es immer den Bedarf an platzoptimierten Realisierungen geben. Im weiteren wird eine Vorgehensweise für die Implemetierung temporärer Dynamik neuronaler Potentiale mit minimierter Ressourcen-Ausnutzung präsentiert. Als Beispielapplikation wurde ein System für die Schallquellenlokalisierung benutzt.
Zusätzlich wurde eine Methode entwickelt, mit der es möglich ist, die Hardware-Realisierungen der künstlichen neuronalen Netze miteinander zu vergleichen und objektiv zu bewerten. Verschiedene Kriterien und Ansichtsweisen können dabei in Betracht gezogen werden, z.B. ob der Wert auf der Genauigkeit der Nachbildung liegt oder ob eher die Rechenleistung im Vordergrund steht.