Login
- Originaltitel:
- Hardware-Software Co-Design of Deep Neural Networks: From Handcrafted to Automated Design and Deployment
- Übersetzter Titel:
- Hardware-Software-Co-Design neuronaler Netze: Vom manuellen zum automatisierten Entwurf und Einsatz
- Autor:
- Al-Fasfous, Nael Y. A.
- Jahr:
- 2022
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Computation, Information and Technology
- Betreuer:
- Stechele, Walter (Prof. Dr.)
- Gutachter:
- Stechele, Walter (Prof. Dr.); Becker, Jürgen (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- ELT Elektrotechnik
- TU-Systematik:
- DAT 200
- Kurzfassung:
- This work reinterprets concepts from the mature discipline of hardware-software (HW-SW) co-design to deploy DNNs on edge devices. The resulting co-designed algorithms tackled autonomous driving problems with high efficiency, enabled power-forecasting on multiprocessor chips, provided mask detection during the COVID-19 pandemic, and empowered semi-autonomous prostheses. The contributions of this work in HW-SW co-design of DNNs brought applications with societal impact to edge devices.
- Übersetzte Kurzfassung:
- In dieser Arbeit werden Konzepte aus der etablierten Disziplin des HW-SW Co-Designs neu interpretiert, um DNNs auf Edge Devices einzusetzen. Die daraus resultierenden gemeinsam entwickelten Algorithmen lösen Probleme des autonomen Fahrens mit hoher Effizienz, ermöglichen die Leistungsvorhersage auf Multiprozessor-Chips, bieten Maskenerkennung während der COVID-19-Pandemie und ermöglichen halbautonome Prothesen. Die Beiträge dieser Arbeit ermöglichen Anwendungen mit gesellschaftlicher Bedeutung.
- WWW:
- https://mediatum.ub.tum.de/?id=1656745
- Eingereicht am:
- 04.05.2022
- Mündliche Prüfung:
- 21.09.2022
- Dateigröße:
- 6555140 bytes
- Seiten:
- 178
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220921-1656745-1-7
- Letzte Änderung:
- 08.11.2022
BibTeX