Réseau neuronal indépendant de la plate-forme pour les microcontrôleurs à auto-apprentissage traitant des données de capteur

«En utilisant des bibliothèques standard basées sur la GCC (GNU Compiler Collection) et un code source réduit au minimum, une intégration même avec des algorithmes d'apprentissage sur un microcontrôleur est possible», a déclaré l'organisation. "Le réseau de neurones artificiels n'est superficiellement pas axé sur le traitement de données volumineuses, mais devrait offrir la possibilité de mettre en œuvre une microélectronique à auto-apprentissage ne nécessitant pas de connexion à un cloud ou à des ordinateurs plus puissants."

Des applications sont attendues autour des capteurs et de la surveillance des conditions pour les applications de l'industrie 4.0, ainsi que des objectifs plus généraux de l'IoT.

Le réseau est modulaire pour s'adapter à différentes tâches: les paramètres de la normalisation des données du capteur, la structure du réseau, la fonction d'activation la plus appropriée et les algorithmes d'apprentissage sont configurables.

En tant qu’algorithme d’apprentissage, un algorithme de rétro-propagation multi-options en ligne a été mis en œuvre et une stratégie d’apprentissage évolutif est en cours d’élaboration.

«La programmation avec le GCC permet le portage sur presque toutes les plates-formes», a déclaré le Fraunhofer. «Cela permet une intégration entièrement autonome, y compris un algorithme d'apprentissage sur un système intégré. La variante classique, dans laquelle la phase d'apprentissage est réalisée sur une unité plus efficace, est également possible. L'avantage dans ce cas est que le même code source peut être utilisé pour différentes plates-formes - il ne doit être compilé que pour la plate-forme respective. ”

Lorsque vous utilisez Windows, par exemple, le code source est compilé sous la forme d'une bibliothèque de liens dynamiques (DLL) lui permettant d'être intégré à des outils tels que Labview, Matlab ou Visual Studio.

Pour le développement initial, un PC est suggéré pour un calcul rapide. Une fois que la configuration est correcte, elle peut être implémentée sur le système intégré.

Des versions du réseau neutre ont déjà été montrées sur Raspberry Pi avec Raspbian et un ATMega32U4 - ce dernier a fait l’objet deCapteur de courant sans fil intelligent et autonome«, Un document présenté à la Conférence européenne sur les objets, les systèmes et les technologies intelligentes. Une autre mise en œuvre sera présentée sur le stand de Fraunhofer IMS au SPS IPC Drives 2018 à Nuremberg.

Les plans futurs incluent un accélérateur matériel économe en énergie spécifiquement pour le réseau.