Architectures de systèmes embarqués pour les réseaux de

Sujets de Recherche disponibles à l’UMONS
Titre (Français)
Title (English)
Architectures de systèmes embarqués pour les réseaux
de neurones artificiels
Embedded systems architectures for artificial neural
networks
Informations administratives
Personne proposant le sujet1
/email
Service
Faculté
Institut
Carlos Valderrama
[email protected]
Electronique et Microelectronique
Polytechnique
Numediart
Informations relatives au sujet proposé
☒Doctorat
☐Post-Doc
Embedded Systems, artificial neural network,
neurochips
5 keywords (English)
Embedded Systems, artificial neural network, neurochips
Bref descriptif (10-15 lignes) (français)
Niveau de recherche
5 mots-clés (français)
Architectures de systèmes embarqués pour les réseaux de neurones artificiels
Ce projet porte sur une vue d'ensemble des réalisations matérielles des modèles de réseau artificiel
de neurones (ANN), appelés réseaux neuronaux matériels (HNN), apparaissant dans les études
universitaires comme des prototypes, ainsi que dans l'utilisation commerciale. La recherche HNN a
connu une progression régulière tandis que l'adoption commerciale de la technologie a évolué à un
rythme plus lent. Ce projet vise à explorer les progrès dans le domaine ANN/HNN y compris ses
modèles, les approches de conception visant une implémentation matériel, et les applications
connexes. L'objectif est donc d'étudier le plus de modules possibles, rechercher et construire des
architectures matérielles appropriées pour implémenter ces modules et effectuer des études de cas
1
Membre permanent de l’UMONS (Futur promoteur de la thèse ou futur encadrant du post-doc)
en utilisant une large gamme d'applications et d’exemples illustratifs. Sur un niveau plus bas, sont
étudiées les approches de conception de puces, qu’elles soient analogiques, numériques ou
hybrides, au niveau neuronal, comme les neuropuces, réalisant des modèles complets ANN. Ce
projet traite, dans le détail, les développements neuromorphiques tels que le réseau neuronal
matériel Spiking (SNN), les implémentations de réseau neuronal cellulaire et leurs implémentations
reconfigurables à base des FPGAs, en particulier, pour les modèles ANN stochastiques, et les
implémentations optiques. Les implémentations numériques parallèles bit-slice, systoliques et
architectures SIMD, les implémentations neuronaux associatifs et les implémentations à base de
mémoires RAM seront également considérées. Nous suivons les tendances récentes et explorons
les orientations de recherche futures éventuelles.
Source: http://www.sciencedirect.com/science/article/pii/S092523121000216X
Summary (10-15 lines) (English)
Embedded system architectures for artificial neural networks
This project concerns a comprehensive overview of the hardware realizations of artificial neural
network (ANN) models, known as hardware neural networks (HNN), appearing in academic studies
as prototypes as well as in commercial use. HNN research has witnessed a steady progress while the
commercial adoption of the technology has evolved at a slower pace. The project aims to explore
the progress in the ANN/HNN field including its models, hardware mapped design approaches, and
related applications. Hence the aim here is to study several and as many as possible of the ANN
modules, research and build suitable hardware architectures to run these modules and perform
study cases using a wide range of illustrative applications and examples. On a lower level, the chip
design approaches, whether it was analog, digital or hybrid, at neuronal level and as neurochips
realizing complete ANN models are studied.
The project discuss, in details, neuromorphic designs such as spiking neural network hardware,
cellular neural network implementations and their mapping on reconfigurable FPGA based
implementations, in particular, for stochastic ANN models, and optical implementations. Parallel
digital implementations employing bit-slice, systolic, and SIMD architectures, implementations for
associative neural memories, and RAM based implementations are also outlined. We trace the
recent trends and explore potential future research directions.
Source: http://www.sciencedirect.com/science/article/pii/S092523121000216X