センサデータを処理する自己学習マイクロコントローラのためのプラットフォームに依存しないニューラルネット

「GNU Compiler Collection（GCC）をベースにした標準ライブラリを使用し、ソースコードを最小限に抑えることで、マイクロコントローラでの学習アルゴリズムを含む統合さえも可能です」と、組織は述べました。 「人工ニューラルネットワークは表面的にはビッグデータ処理に焦点を当てていませんが、クラウドやより強力なコンピュータへの接続を必要としない自己学習型マイクロエレクトロニクスの実装の可能性を提供するはずです。

インダストリー4.0アプリケーション、さらに一般的なIoT目的のためのセンサーおよび状態監視を中心としたアプリケーションが期待されています。

ネットワークはさまざまなタスクに適応するようにモジュール化されています - センサーデータの正規化からのパラメータ、ネットワークの構造、最も適切な起動機能、および学習アルゴリズムは設定可能です。

学習アルゴリズムとして、オンラインマルチオプションバックプロパゲーションアルゴリズムが実装されており、進化的学習戦略が開発中です。

フラウンホーファーは、「GCCを使用したプログラミングにより、ほぼすべてのプラットフォームへの移植が可能になります」と述べています。 「これにより、組み込みシステムでの学習アルゴリズムを含む完全に自己完結型の統合が可能になります。学習段階がより効率的な単位で実行される古典的な変形も同様に可能である。この場合の利点は、異なるプラットフォームで同じソースコードを使用できることです。それぞれのプラットフォームでコンパイルするだけで済みます。」

たとえば、Windowsを使用している場合、ソースコードはダイナミックリンクライブラリ（DLL）としてコンパイルされ、Labview、Matlab、Visual Studioなどのツールに統合できます。

初期の開発では、高速計算用にPCが推奨されています。設定が正しければ、組み込みシステムに実装できます。

RaspbianとATMega32U4を搭載したRaspberry Piでは、ニュートラルネットワークのバージョンがすでに実証されています。スマート自給自足型ワイヤレス電流センサー'、スマートオブジェクト、システム、およびテクノロジに関する欧州会議で発表された論文。もう1つの実装は、ニュルンベルクのSPS IPC Drives 2018にあるFraunhofer IMSのスタンドで発表されます。

将来の計画には、特にネットワーク専用のエネルギー効率の高いハードウェアアクセラレータが含まれます。