Shop : Details
Shop
Details
August 2025
eBook (PDF)
Kevin Kollek
Beiträge zur Optimierung künstlicher neuronaler Netze
Komprimierungsmethoden für künstliche neuronale Netze, Realisierung von effizienten Algorithmen auf eingebetteten Systemen und effiziente Approximation von Modellleistungen
Künstliche neuronale Netze sind zu einem zentralen Werkzeug in vielen technologischen Anwendungen geworden. Ihr Einsatz auf ressourcenbeschränkten eingebetteten Systemen stellt jedoch eine erhebliche Hürde dar, da die Komplexität moderner Architekturen oft im Widerspruch zu den limitierten Rechenkapazitäten und Echtzeitanforderungen der Hardware steht.
Die vorliegende Arbeit widmet sich dieser Herausforderung an der Schnittstelle von Künstlicher Intelligenz und eingebetteten Systemen. Es werden innovative Methoden entwickelt, um neuronale Netze systematisch zu optimieren. Zunächst wird ein Verfahren zur Komprimierung von Netzwerken durch die gezielte Entfernung redundanter und irrelevanter Informationen vorgestellt.
Des Weiteren wird mithilfe von hocheffizienten neuronalen Netzen eine automatisierte Verkehrszählung auf einem eingebetteten Zielsystem unter Echtzeitanforderungen implementiert und untersucht.
Ein weiterer Schwerpunkt liegt auf der Suche nach der optimalen Netzwerkarchitektur innerhalb eines vordefinierten Suchraums. Hierfür werden neuartige Metriken entwickelt, die durch ihre Anwendung bereits in frühen Trainingsphasen eine schnelle und effiziente Identifikation der leistungsstärksten Architekturen ermöglichen.
Die vorliegende Arbeit widmet sich dieser Herausforderung an der Schnittstelle von Künstlicher Intelligenz und eingebetteten Systemen. Es werden innovative Methoden entwickelt, um neuronale Netze systematisch zu optimieren. Zunächst wird ein Verfahren zur Komprimierung von Netzwerken durch die gezielte Entfernung redundanter und irrelevanter Informationen vorgestellt.
Des Weiteren wird mithilfe von hocheffizienten neuronalen Netzen eine automatisierte Verkehrszählung auf einem eingebetteten Zielsystem unter Echtzeitanforderungen implementiert und untersucht.
Ein weiterer Schwerpunkt liegt auf der Suche nach der optimalen Netzwerkarchitektur innerhalb eines vordefinierten Suchraums. Hierfür werden neuartige Metriken entwickelt, die durch ihre Anwendung bereits in frühen Trainingsphasen eine schnelle und effiziente Identifikation der leistungsstärksten Architekturen ermöglichen.
Schlagwörter: Deep Learning; Optimierung; Objekterkennung; Computer Vision; Automatisierte Verkehrszählung; Pruning; Zero-Cost Proxy; Neuronale Architekturensuche; Eingebettete Systeme
Weitere Formate
Print-Version: 978-3-8191-0174-8
DOI 10.2370/9783819102523
Sie benötigen den Adobe Reader, um diese Dateien ansehen zu können. Hier erhalten Sie eine kleine Hilfe und Informationen, zum Download der PDF-Dateien.
Bitte beachten Sie, dass die Online-Dokumente nicht ausdruckbar und nicht editierbar sind.
Bitte beachten Sie auch weitere Informationen unter: Hilfe und Informationen.
Bitte beachten Sie auch weitere Informationen unter: Hilfe und Informationen.
| Dokument |  | Gesamtdokument | ||
| Dateiart |  | |||
| Kosten |  | 44,10 € | ||
| Aktion |  | Zahlungspflichtig kaufen und download der Datei | ||
| Dokument |  | Inhaltsverzeichnis | ||
| Dateiart | | |||
| Kosten |  | frei | ||
| Aktion |  | Download der Datei | ||
Benutzereinstellungen für registrierte Online-Kunden (Online-Dokumente)
Sie können hier Ihre Adressdaten ändern sowie bereits georderte Dokumente erneut aufrufen.
Benutzer
Nicht angemeldet
Shaker Verlag GmbH
Am Langen Graben 15a
52353 Düren
Am Langen Graben 15a
52353 Düren
Mo. - Do. 8:00 Uhr bis 16:00 Uhr
Fr. 8:00 Uhr bis 15:00 Uhr
Fr. 8:00 Uhr bis 15:00 Uhr
Kontaktieren Sie uns. Wir helfen Ihnen gerne weiter.
