Národní úložiště šedé literatury Nalezeno 3 záznamů.  Hledání trvalo 0.01 vteřin. 
Hluboké neuronové sítě: implementace pro vestavěné systémy
Matěj, Aleš ; Šimek, Václav (oponent) ; Mrázek, Vojtěch (vedoucí práce)
Cílem této práce je první navrhnout a implementovat aplikaci pro vestavěné systémy rea-lizující konvoluční neuronovou síť jenž klasifikuje čísla MNIST, ve druhé části pak optima-lizovat paměťové a energetické nároky této sítě. Práce v teoretické části popisuje základyneuronových sítí a výpočetní platformy Cortex-M pro vestavěné systémy. Následuje popisimplementace, síť je první vytvořena a naučena pomocí knihovny Theano v Pythonu naPC a poté je převedena do C pro vývojovou desku STM32F429 Discovery, kde je následnéoptimalizována. Optimalizace je zaměřena na konvoluci, skalární součin a formát uloženívah a biasů sítě.
ECG Data Compression
Németh, Patrik ; Bidlo, Michal (oponent) ; Vašíček, Zdeněk (vedoucí práce)
This work tackles the subject of ECG data compression on microcontrollers. First, the physiology of the heart and recording of the heart’s activity is explored. Then the work provides an overview on various compression methods with a focus on their usability on systems with limitied computing power and memory. This work also outlines the architecture and instruction set of ARM processors and then proposes and implements a compression algorithm based on existing research. A Python prototype and a C implementation for microcontrollers are both evaluated and the results are then discussed.
Hluboké neuronové sítě: implementace pro vestavěné systémy
Matěj, Aleš ; Šimek, Václav (oponent) ; Mrázek, Vojtěch (vedoucí práce)
Cílem této práce je první navrhnout a implementovat aplikaci pro vestavěné systémy rea-lizující konvoluční neuronovou síť jenž klasifikuje čísla MNIST, ve druhé části pak optima-lizovat paměťové a energetické nároky této sítě. Práce v teoretické části popisuje základyneuronových sítí a výpočetní platformy Cortex-M pro vestavěné systémy. Následuje popisimplementace, síť je první vytvořena a naučena pomocí knihovny Theano v Pythonu naPC a poté je převedena do C pro vývojovou desku STM32F429 Discovery, kde je následnéoptimalizována. Optimalizace je zaměřena na konvoluci, skalární součin a formát uloženívah a biasů sítě.

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.