| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Iskanje po katalogu digitalne knjižnice Pomoč

Iskalni niz: išči po
išči po
išči po
išči po
* po starem in bolonjskem študiju

Opcije:
  Ponastavi


1 - 4 / 4
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
Deep Learning on Low Power Embedded Devices Using RISC-V Cores with an Extended Instruction Set
Jure Vreča, 2020, magistrsko delo

Opis: This thesis explores the possibility of running neural networks on microcontrollers and how to optimize their performance using instruction set extensions. Microcontrollers are seen as too weak to run neural networks. We challenge this view and show that stripped-down neural networks can run and be useful for some applications. We used an open-source microcontroller called PULPino to run our neural network. The benefit of various instructions and optimizations for minimizing energy consumption to run deep learning algorithms was evaluated. Hardware loops, loop unrolling, and the dot-product unit were implemented and tested. We developed an FPGA-based testing system to evaluate our hardware. We also developed a deep learning library and a test neural network for our hardware. We wrote two versions of the deep learning library. One version is the reference code, and the other is the optimized code that uses the dot product unit. Using the testing system, we tested the performance of the two versions. The synthesis was run to determine the power and energy consumption. We also tried out various optimizations to see if the performance could be improved. Using instruction set extensions and algorithmic optimizations we reduced the clock cycle count by 72% for the convolutional layers and by 78% for fully-connected layers. This reduced power consumption by 73%. We compare our results with related research.
Ključne besede: deep learning, embedded system, instruction set, RISC-V
Objavljeno: 03.11.2020; Ogledov: 416; Prenosov: 82
.pdf Celotno besedilo (2,69 MB)

2.
Primerjava napovedne vrednosti rezultatov lestvic RISC (Revised Injury Severity Classification) in TRISS (Trauma and Injury Severity Score) na slovenskem vzorcu hudo poškodovanih
Drago Brilej, 2014, doktorska disertacija

Opis: IZHODIŠČA: Temeljni pogoj za zagotavljanje kakovosti zdravljenja je spremljanje rezultatov. Za objektivno oceno potrebujemo ustrezne podatke. Glavni namen registrov poškodovanih je pridobivanje podatkov o celotni verigi oskrbe od mesta nesreče do zaključka hospitalizacije. Zaradi razpršenosti poškodovancev po številnih bolnišnicah v Sloveniji je v Projektu razvoja mreže travmatološke dejavnosti predvidena uvedba nacionalnega registra poškodovancev. Za primerjavo rezultatov zdravljenja poškodovancev z mednarodnimi standardi se največ uporablja metodologija TRISS. Razvili so jo z multivariantno analizo skupine poškodovancev (MTOS), ki se pomembno razlikuje od slovenskega vzorca hudo poškodovanih. Zaradi te razlike se je porodil dvom o uporabnosti metodologije TRISS. Z vključitvijo slovenskih poškodovancev v nemški TR DGU pa smo prevzeli metodo RISC za primerjavo rezultatov zdravljenja z drugimi ustanovami. Nova metoda še ni bila ovrednotena na skupini, ki se razlikuje od poškodbenega vzorca v TR DGU. Namen naloge je preveriti uporabnost metode RISC na slovenskem vzorcu hudo poškodovanih in jo primerjati z metodo TRISS. METODE: Od vstopa v TR DGU v letu 2006 smo v SB Celje prospektivno zajeli podatke o kohortni skupini 376 hudo poškodovanih in jih vnesli v TR DGU. Primerjali smo dejavnike tveganja med poškodovanci v SB Celje in TR DGU ter izračunali vrednosti TRISS in RISC za vsakega poškodovanca. S statistiko M smo primerjali porazdelitev izračunanih verjetnosti preživetja med SB Celje, MTOS in TR DGU. Za ugotavljanje ustreznosti točkovnih lestvic (TRISS, RISC in RISC II) smo uporabili statistične metode diskriminacije (aROC), natančnosti (razlika v preživetju) in kalibracije (statistika H-L). REZULTATI: Povprečna starost poškodovancev je bila 47 let, 83 % je bilo moških, 95 % topih poškodb. Povprečna ISS vrednost je bila 26,4 (90 % ≥ 16). V bolnišnici je umrlo 17,5 % poškodovancev. Standardizirana umrljivost je pokazala za 1,9 % manjšo umrljivost, kot je predvidena s statističnimi modeli. Ugotovili smo pomembno odstopanje v dejavnikih tveganja med poškodovanci v SB Celje in TR DGU, kar lahko razložimo z drugačnimi vključitvenimi merili. Potrdili smo, da je slovenski vzorec hudo poškodovanih drugačen, in da je treba preveriti učinkovitost metode RISC. Primerjali smo preživetje med skupinami in ugotovili slabo ujemanje skupine poškodovancev v SB Celje z MTOS (M = 0,50) ter dobro ujemanje s TR DGU (M = 0,88). V dveh časovnih obdobjih (2006–07 in 2011–12) se porazdelitev v SB Celje ni pomembno spremenila (M = 0,90). Potrdili smo pomembno razliko med skupino MTOS in SB Celje, ki vpliva na uporabnost metode TRISS. Kljub razlikam v dejavnikih tveganja pa smo potrdili dobro ujemanje rezultatov med skupinama SB Celje in TR DGU, kar upravičuje uporabo metode RISC na slovenskem vzorcu hudo poškodovanih. Najboljšo diskriminacijo sta pokazali lestvici RISC in RISCII (aROC 0,91 in 0,90). Najbolj natančna je bila lestvica RISC (razlika v umrljivosti 1,9 %), ki je prav tako imela najboljšo in skoraj popolno kalibracijo (H-L 0,53). ZAKLJUČKI: Metoda RISC je pokazala boljšo diskriminacijo in kalibracijo, bila je bolj natančna kot metodologija TRISS za slovenski vzorec hudo poškodovanih. Primerjava podatkov v SB Celje v letih 2006-7 z leti 2011-2 je pokazala nekaj razlik. Predvsem je opazno izboljšanje na področju kazalnikov kakovosti oskrbe (krajši predbolnišnični čas, krajši čas na urgentnem oddelku). Toda te razlike niso vplivale na uporabnost metode RISC. Prestala je test sprememb v strukturi in obravnavi poškodovancev skozi čas. Metoda TRISS kljub novim koeficientom ni primerna za uporabo na slovenskem vzorcu hudo poškodovanih. Posodobljena RISC II je dobra metoda, a nič boljša od že uveljavljene RISC.
Ključne besede: hudo poškodovani, vrednotenje, Trauma and Injury Severity Score (TRISS), Revised Injury Severity Classification (RISC), register
Objavljeno: 26.01.2015; Ogledov: 1394; Prenosov: 227
.pdf Celotno besedilo (6,40 MB)

3.
PWM KRMILJENJE MOTORJEV Z FPGA RAZVOJNO PLOŠČO NANOBOARD 3000XN
Emil Grmšek, 2010, diplomsko delo/naloga

Opis: Diplomsko delo opisuje vgrajeno nacrtovanje FPGA sistemov z razvojno plošco NanoBoard 3000XN. Jedro sistema je FPGA cip družine Xilinx Spartan 3AN XC3S1400AN. Nacrtovanje sistema je izvedeno na visoki abstraktni ravni z uporabo razvojnega orodja Altium Designer Summer 09. Na zacetku je predstavljena splošna razdelitev programirljivih vezij, med katere spada tudi FPGA vezje. Sledi opis in predstavitev uporabljene razvojne plošce, na kateri je izveden sistem. Jedro opisuje zasnovo in realizacijo FPGA sistema za krmiljenje enosmernih motorjev preko serijske povezave RS232. Glavni namen modula je pošiljanje podatkov preko serijske povezave na mikroprocesor, kjer se podatki obdelajo in ustrezno krmilijo PWM izhod, ter izhodne releje. Cilj diplomske naloge je bil, da s pridobljenim znanjem prikažemo postopek nacrtovanja FPGA vgrajenih sistemov z razvojno plošco NanoBoard 3000XN in orodjem za nacrtovanje. Tako smo preslikali del do sedaj zasnovanega vezja nadzornega robota AIPCT v FPGA vezje in pustili možnost za nadaljnji razvoj.
Ključne besede: Nacrtovanje vgrajenih sistemov, vgrajen sistem, RISC procesor, FPGA vezje, RS232 komunikacija, pulzno širinska modulacija
Objavljeno: 16.09.2010; Ogledov: 2504; Prenosov: 260
.pdf Celotno besedilo (6,79 MB)

4.
Iskanje izvedeno v 0.13 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici