Abstract:
În ultimii ani, progresele din domeniul inteligenței artificiale, în special
în ceea ce privește algoritmii de învățare profundă, au crescut într-un ritm rapid
și vor continua această tendință pentru anii următori. De la implementări
hardware până la software, pentru a integra acești algoritmi inspirați de creier în
fiecare aspect al vieții noastre, studii de cercetare active sunt realizate în diferite
industrii. Cu toate acestea, datorită faptului că acești algoritmi necesită o
cantitate mare de timp, energie, date și putere de procesare, impactul lor asupra
mediului este o problemă definitorie.
Pentru a rezolva această problemă, în prezenta teză de doctorat
construim și testăm la nivel software și hardware un tracker solar cu două axe pe
care îl folosim ca sursă autonomă de energie curată pentru un sistem de învățare
profundă care clasifică imagini în timp real. Apoi, propunem patru metrici pentru
evaluarea performanței modelelor și sistemelor de învățare profundă bazate nu
numai pe precizia acestora, ci și pe consum de energie și cost, după care
implementăm o aplicație care oferă posibilitatea oricărui utilizator de a folosi
metricile propuse într-o interfață prietenoasă și rezolvă probleme legate de
colectarea, curățarea și etichetarea datelor necesare pentru antrenarea
modelelor de învățare profundă.
În cele din urmă, am construit și un dispozitiv pentru testarea plăcilor de
circuite imprimate, care este eficient în ceea ce privește precizia, timpul de
testare, consumul de energie și costul, precum și am propus un set de tehnici
pentru îmbunătățirea performanțelor de transfer a unei implementări hardware
Secure Hash Algorithm-256.
