Rete neurale indipendente dalla piattaforma per microcontrollori autoapprendimento che elaborano i dati del sensore
"Utilizzando librerie standard basate sulla GNU Compiler Collection (GCC) e un codice sorgente ridotto al minimo, è possibile anche l'integrazione di algoritmi di apprendimento su un microcontrollore", ha affermato l'organizzazione. "La rete neurale artificiale è superficialmente non focalizzata verso l'elaborazione di big-data, ma dovrebbe offrire la possibilità di implementare microelettronica autoapprendimento che non richiede una connessione a un cloud o computer più potenti."
Le applicazioni sono attese attorno ai sensori e al monitoraggio delle condizioni per applicazioni Industry 4.0, nonché a scopi IoT più generali.
La rete è modulare per adattarsi a diversi compiti: i parametri dalla normalizzazione dei dati del sensore, la struttura della rete, la funzione di attivazione più appropriata e l'algoritmo di apprendimento sono configurabili.
Come algoritmo di apprendimento, è stato implementato un algoritmo di back-propagation multi-opzione online e una strategia di apprendimento evolutiva è in fase di sviluppo.
"La programmazione con GCC consente il porting su quasi tutte le piattaforme", ha affermato il Fraunhofer. "Ciò consente l'integrazione completamente autonoma compreso un algoritmo di apprendimento su un sistema embedded. È anche possibile la variante classica, in cui la fase di apprendimento viene eseguita su un'unità più efficiente. Il vantaggio in questo caso è che lo stesso codice sorgente può essere utilizzato per piattaforme diverse - deve essere compilato solo per la rispettiva piattaforma. "
Quando si utilizza Windows, ad esempio, il codice sorgente viene compilato come libreria a collegamento dinamico (DLL) che consente di integrarlo in strumenti come Labview, Matlab o Visual Studio.
Per lo sviluppo iniziale, un PC è consigliato per il calcolo veloce. Una volta che la configurazione è corretta, può essere implementata sul sistema embedded.
Versioni della rete neutra sono già state dimostrate su Raspberry Pi con Raspbian e un ATMega32U4 - quest'ultimo è stato oggetto di 'Smart sensore di corrente wireless autosufficiente', Un documento presentato alla conferenza europea su oggetti intelligenti, sistemi e tecnologie. Un'altra implementazione verrà presentata nello stand di Fraunhofer IMS presso SPS IPC Drives 2018 a Norimberga.
I piani futuri includono un acceleratore hardware ad alta efficienza energetica specifico per la rete.