Dipl.-Ing. Alexey Serdyuk
- Wissenschaftlicher Mitarbeiter
- Gruppe: Prof. Becker
- Raum: 126.1
CS 30.10 - Tel.: +49 721 608-41323
- alexey serdyuk ∂does-not-exist.kit edu
Engesserstr. 5
76131 Karlsruhe
Neuromorphe Datenverarbeitungsarchitekturen
Neuromorphes Rechnen ist von biologischen neuronalen Netzen inspiriert und versucht, deren Verhalten genau nachzuahmen. Neuromorphe neuronale Netze haben gegenüber herkömmlichen künstlichen neuronalen Netzen den Vorteil, dass sie energieeffizienter sind und sich asynchron und selbstanpassend verhalten. Das neuromorphe Computing, das erstmals im letzten Jahrhundert eingeführt wurde, wird aufgrund der jüngsten Fortschritte in der Neurobiologie, Physik, Halbleitertechnologie und KI aktiv wiederentdeckt. Die Art und Weise, wie neuromorphe Architekturen funktionieren, stellt jedoch neue Herausforderungen dar und erfordert neue Ansätze für die Datenrepräsentation, das Training, die KI-Frameworks und die Werkzeuge.
KI in eingebetteten Systemen
Künstliche Intelligenz wird bei der Entwicklung von eingebetteten Systemen aktiv eingesetzt. Eingebettete KI hilft bei der Lokalisierung von Datenströmen, die für das Training neuronaler Netze benötigt werden, was wiederum dazu beiträgt, die Server und die Kommunikationsnetzinfrastruktur zu entlasten und die Privatsphäre persönlicher Daten zu wahren. Es gibt zwar eine breite Palette von Lösungen für KI-beschleunigte SoCs, aber die Integration von KI in ressourcenbeschränkte Systeme ist aufgrund der Komplexität der in der Industrie verwendeten neuronalen Netze immer noch eine Herausforderung. Daher müssen neue Optimierungstechniken sowohl auf der Hardware- als auch auf der Softwareseite erforscht werden.
| Titel | Typ |
|---|---|
| Schriftspurrekonstruktion eines Sensorstiftes mit Spiking Neural Networks | Masterarbeit |
| Deployment of deep neural networks onto embedded devices for processing radar data | Bachelorarbeit |
Publikationen
Kreß, F.; Serdyuk, A.; Hotfilter, T.; Höfer, J.; Harbaum, T.; Becker, J.; Hamann, T.
2022. 2022 11th Mediterranean Conference on Embedded Computing (MECO). Ed.: IEEE, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/MECO55406.2022.9797131