Thesis

Externe Abschlussarbeit: Evaluierung und Implementierung von Embedded A.I. für Zustandsklassifikation

Staff

Über

“Embedded A.I.” bezeichnet den gerätelokalen Einsatz von K.I.-Beschleunigern und ermöglicht, künstliche Intelligenz direkt in Hardware-Geräte einzubetten, um unabhängig von externen Datenverbindungen intelligente Funktionen bereitzustellen und Echtzeitdaten mit Deep-Learning-basierten Algorithmen zu verarbeiten. In Smart-Home-Umgebungen erlaubt diese Technologie die direkte Zustandsermittlung innerhalb der Sensoren. Dadurch entfällt die Notwendigkeit, Daten kontinuierlich und in Echtzeit an Cloud-Dienste zu übertragen, was eine erhebliche Einsparung von Bandbreite und Energie zur Folge hat. Die hierfür verwendeten K.I.-Beschleuniger basieren auf SIMD-Prozessoren verschiedener Leistungsklassen, sind häufig als SoC-Komponente in einem Mikrocontroller eingebunden und unterscheiden sich daher in ihrer Rechnerleistung, Integrationsfähigkeit und Anwendbarkeit voneinander. Ziel dieser Arbeit ist die prototypische Entwicklung eines physischen Sensorprüfstands zur Erfassung linearer Beschleunigungszeitreihen. Basierend auf diesen Daten, sollen dann Klassifizierungsalgorithmen trainiert, evaluiert sowie ihre Performanz auf einem K.I.-Beschleuniger untersucht werden.