Hlavní stránka > Výsledky hledání: keywords:"FNN"
Hledej:
Tipy pro vyhledávaní :: Rozšířené hledání
Hledej ve sbírkách:
Seřadit podle: Zobrazit výsledky: Výstupní formát:
Národní úložiště šedé literatury Nalezeno 2 záznamů.  Hledání trvalo 0.01 vteřin. 
Neuronové sítě na platformě AURIX
 Smrčka, Michal ; Buchta, Luděk (oponent) ; Blaha, Petr (vedoucí práce)
Část této práce pojednává o dopředných neuronových sítích FNN a způsobu jejich vývoje pomocí MATLAB Deep Learning Toolboxu a API Keras v jazyce Python. Následně se práce zabývá převodem těchto sítí do jazyka C/C++ pomocí knihoven Keras2c, AIfES, TFLM a NNoM. Tento teoretický základ byl nezbytný pro navazující část, která je zaměřena na implementaci a testování natrénované FNN na platformě AURIX TC397 3.3V Application Kit. Tato FNN slouží k diagnostice PMS motoru za účelem detekce mezizávitového zkratu. V práci je blíže popsána konfigurace periferií GPT12 a GETH mikrokontroléru AURIX TC397, které byly využity v aplikaci pro testování FNN. S využitím knihovny Keras2c byla ověřena možnost spuštění inference na 2 jádrech mikrokontroléru AURIX a v rámci knihovny NNoM byla provedena kvantizace natrénované FNN. Nakonec bylo provedeno srovnání knihoven Keras2c, AIfES, TFLM a NNoM z hlediska jednoduchosti implementace, přesnosti klasifikace a rychlosti klasifikace na platformě AURIX.
Úplný záznam
Neuronové sítě na platformě AURIX
 Smrčka, Michal ; Buchta, Luděk (oponent) ; Blaha, Petr (vedoucí práce)
Část této práce pojednává o dopředných neuronových sítích FNN a způsobu jejich vývoje pomocí MATLAB Deep Learning Toolboxu a API Keras v jazyce Python. Následně se práce zabývá převodem těchto sítí do jazyka C/C++ pomocí knihoven Keras2c, AIfES, TFLM a NNoM. Tento teoretický základ byl nezbytný pro navazující část, která je zaměřena na implementaci a testování natrénované FNN na platformě AURIX TC397 3.3V Application Kit. Tato FNN slouží k diagnostice PMS motoru za účelem detekce mezizávitového zkratu. V práci je blíže popsána konfigurace periferií GPT12 a GETH mikrokontroléru AURIX TC397, které byly využity v aplikaci pro testování FNN. S využitím knihovny Keras2c byla ověřena možnost spuštění inference na 2 jádrech mikrokontroléru AURIX a v rámci knihovny NNoM byla provedena kvantizace natrénované FNN. Nakonec bylo provedeno srovnání knihoven Keras2c, AIfES, TFLM a NNoM z hlediska jednoduchosti implementace, přesnosti klasifikace a rychlosti klasifikace na platformě AURIX.
Úplný záznam

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.
Digitální repozitář :: Hledej :: Nový záznam :: Personalizace :: Nápověda
Powered by Invenio v1.1.2
Spravuje admin.invenio@techlib.cz
Tato stránka je dostupná také v následujících jazycích:
Česky  English