Poboljšanje performanci algoritama umjetne inteligencije uporabom ugradbenih sustava

diplomski rad

• Naslov (engleski): Performance improvement of artificial intelligence algorithms using embedded system
• Autor: Damjan Hudiček
• Mentor: Vlado Sruk (mentor)
• Član povjerenstva: Vlado Sruk (predsjednik povjerenstva)
• Član povjerenstva: Dejan Škvorc (član povjerenstva)
• Član povjerenstva: Leonardo Jelenković (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-09-21, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Umjetna inteligencija u automobilskoj industriji.
Automobil kao primjer sustava u kojem su ključne performance i niska potrošnja energije.
Najpopularniji način ubrzanja algoritama umjetne inteligencije (GPU) u usporedbi s manje popularnim ali potencijalno efikasnijim (FPGA).
Kratak pregled konvolucijskih i grafovskih neuronskih mreža.
Mjerenje i usporedba performanci i potrošnje energije SqueezeNet konvolucijske neuronske mreže na Xilinx ZCU102 razvojnoj ploči i Nvidia GTX 1660 SUPER GPU.

Sažetak (engleski)

Artificial intelligence in the automotive industry.
Cars as an example of a performance focused and power constrained system.
Comparing GPU and FGPA as two hardware acceleration platforms.
Convolutional and graph neural networks.
Testing and comparing performance and power efficiency of the SqueezeNet convolutional neural network on Xilinx ZCU102 evaluation board and Nvidia GTX 1660 SUPER GPU.

• Ključne riječi: ugradbeni sustavi; umjetna inteligencija; performance; potrošnja energije
• Ključne riječi (engleski): embedded systems; artificial intelligence; performance; power consumption
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:532510
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 10:04:37