ARTESANÍA
explorandoAapidRconfiguraTIons de redesneuronales profundas para la conducción AutoNome
.El proyecto ARTISAN tiene como objetivo desarrollar nuevos métodos para explorar optimizaciones arquitectónicas con el fin de ejecutar eficientemente una aplicación DNN (Red Neuronal Profunda) para AD (Conducción Autónoma).
Los algoritmos que utilizan redes de aprendizaje profundo (o DNNs por Deep Neural Network) han despertado recientemente un creciente interés tanto en la industria como en el mundo académico.
La conducción autónoma (o AD por Autonomous Driving) es una de las aplicaciones en las que los enfoques DNN han mostrado cierto nivel de rendimiento.
Sin embargo, para ser eficaces en el caso de la AD, los sistemas embebidos para DNN deben procesar una gran cantidad de datos procedentes de los distintos sensores en un tiempo limitado y con un coste económico y un consumo de energía mínimos.
La conducción autónoma (o AD por Autonomous Driving) es una de las aplicaciones en las que los enfoques DNN han mostrado cierto nivel de rendimiento.
En este contexto, el proyecto ARTISAN tiene como objetivo desarrollar nuevos métodos para explorar optimizaciones arquitectónicas que permitan ejecutar eficientemente una aplicación DNN para DA. Nuestros métodos permitirán adaptar los algoritmos de DNN utilizados, por un lado, y las arquitecturas de hardware, por otro, a los diferentes escenarios de DA.
El proyecto ARTISAN tiene como objetivo desarrollar nuevos métodos para explorar optimizaciones arquitectónicas que permitan ejecutar eficientemente una aplicación de DNN para DA.