Estudo de viabilidade para implementação em hardware de técnica de aprendizado de máquina.

Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19127

Title:	Estudo de viabilidade para implementação em hardware de técnica de aprendizado de máquina.
Other Titles:	Feasibility study for hardware implementation of machine learning technique.
???metadata.dc.creator???:	FIGUEIREDO, Lucas Oliveira de.
???metadata.dc.contributor.advisor1???:	LIMA, Rafael Bezerra Correia.
???metadata.dc.contributor.referee1???:	ACIOLI JUNIOR, George.
Keywords:	Aprendizado de máquina;Viabilidade - aprendizado de máquina;Estudo de viabilidade - aprendizado de máquina;Descrição em hardware;Redes neurais;Serviço de nuvem;FPGA - Field Programmable Gate Array;Field Programmable Gate Array;Machine learning;Feasibility - machine learning;Feasibility study - machine learning;Hardware description;Neural networks;Cloud service;FPGA - Field Programmable Gate Array;Field Programmable Gate Array
Issue Date:	2020
Publisher:	Universidade Federal de Campina Grande
Citation:	FIGUEIREDO, Lucas Oliveira de. Estudo de viabilidade para implementação em hardware de técnica de aprendizado de máquina. 2020. 31f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2020. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19127
???metadata.dc.description.resumo???:	A popularização de redes neurais para problemas de classificação, a disponibilidade de ferramentas para descrição e treinamento de tais redes em serviços de nuvem e softwares para cálculo numérico, tem implicado em uma redução na carga de trabalho associada ao desenvolvimento de uma solução por rede neural. Porém limitações de desempenho em processadores e placas gráficas, comparados com o disponível em FPGAs (Field Programmable Gate Array) no seu suporte a paralelismo e design sob demanda, tem tornado a escolha desta última plataforma como hardware aceleradora para modelos treinados de redes. As múltiplas competências necessárias para a execução de um fluxo de desenvolvimento compreendendo desde o treinamento até a descrição em hardware de uma rede neural tem seus nuances estudados neste trabalho.
Abstract:	The proliferation of the use of neural networks for classification issues, the availability of tools to describe and train such networks in cloud infrastrucutres and numerical computing softwares, results in a reduction of the work load related to the deployment of neural network solutions. Limitations in performance of processors and graphical units, in comparison to what FPGAs have to offer in its support to parallel computing and under demand design, has make these platforms as first choice in hardware acceleration for trained neural networks models. The several proficiencies required to fulfill a development flow comprising the training of a network and its description in hardware have their details studied in this undergraduate thesis.
Keywords:	Aprendizado de máquina Viabilidade - aprendizado de máquina Estudo de viabilidade - aprendizado de máquina Descrição em hardware Redes neurais Serviço de nuvem FPGA - Field Programmable Gate Array Field Programmable Gate Array Machine learning Feasibility - machine learning Feasibility study - machine learning Hardware description Neural networks Cloud service FPGA - Field Programmable Gate Array Field Programmable Gate Array
???metadata.dc.subject.cnpq???:	Engenharia Elétrica.
URI:	http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19127
Appears in Collections:	Curso de Bacharelado em Engenharia Elétrica - CEEI - Monografias

Files in This Item:

File	Description	Size	Format
LUCAS OLIVEIRA DE FIGUEIREDO - TCC ENG. ELÉTRICA 2020.pdf	Lucas Oliveira de Figueiredo - TCC Eng. Elétrica 2020.	1.07 MB	Adobe PDF	View/Open

Show full item record