Holistisches AutoML für FPGAs - 2 (HALF2)
Ein Ziel des Projektes ist daher die Verbesserung der automatischen EKG-Analyse durch optimierte Artefakterkennung unter gleichzeitigen Einsatz energieschonender Hardware. Mit herkömmlichen Methoden der Signalverarbeitung ist eine solche Erkennung jedoch nicht mit ausreichender Vorhersagegenauigkeit erreichbar. Hingegen sind Algorithmen für maschinelles Lernen und im Speziellen künstliche Neuronale Netze (KNNs) in der Lage, derartig komplexe Probleme erfolgreich zu lösen. In der Hardware-Umsetzung werden diesem Projekt zwei Ansätze bezüglich der Integration des FPGAs in die bestehende Hardware analysiert.
Das Projekt baut auf den Ergebnissen des Wettbewerbs "Energieeffiziente KI-Systeme« des Bundesforschungsministeriums (BMBF)". Dieses wurde in der Kategorie FPGA (englisch: Field Programmable Gate Array, ein programmierbarer Logik-Schaltkreis) mit dem Projekt: »Holistischer Ansatz zur Optimierung von FPGA Architekturen für tiefe neuronale Netze via AutoML – Automatisches Maschinenlernen (HALF)«. durch Fraunhofer Institut für Techno- und Wirtschaftsmathematik ITWM sowie die TU Kaiserslautern gewonnen.
Verbundkoordinator:
Fraunhofer Institut für Techno- und Wirtschaftsmathematik ITWM
Dr. Jens Krüger
Abteilung High Performance Computing
Fraunhofer-Platz 1, 67663 Kaiserslautern
Weitere Projektpartner
- Technische Universität Kaiserslautern - Fachbereich Elektrotechnik und Informationstechnik, Lehrstuhl Entwurf Mikroelektronischer Systeme (EMS), Ansprechpartner: Prof. Dr. Norbert Wehn
- GETEMED Medizin- und Informationstechnik AG, Ansprechpartner: Tilo Bochardt
- Charité - Universitätsmedizin Berlin, CharitéCentrum 11 für Herz-, Kreislauf- und Gefäßmedizin - Arbeitsbereich kardiovaskuläre
- Telemedizin, Ansprechpartner: Prof. Dr. med. Friedrich Köhler
