Shop : Details
Shop
Details
August 2025
eBook (PDF)
Kevin Kollek
Beiträge zur Optimierung künstlicher neuronaler Netze
Komprimierungsmethoden für künstliche neuronale Netze, Realisierung von effizienten Algorithmen auf eingebetteten Systemen und effiziente Approximation von Modellleistungen
Künstliche neuronale Netze sind zu einem zentralen Werkzeug in vielen technologischen Anwendungen geworden. Ihr Einsatz auf ressourcenbeschränkten eingebetteten Systemen stellt jedoch eine erhebliche Hürde dar, da die Komplexität moderner Architekturen oft im Widerspruch zu den limitierten Rechenkapazitäten und Echtzeitanforderungen der Hardware steht.
Die vorliegende Arbeit widmet sich dieser Herausforderung an der Schnittstelle von Künstlicher Intelligenz und eingebetteten Systemen. Es werden innovative Methoden entwickelt, um neuronale Netze systematisch zu optimieren. Zunächst wird ein Verfahren zur Komprimierung von Netzwerken durch die gezielte Entfernung redundanter und irrelevanter Informationen vorgestellt.
Des Weiteren wird mithilfe von hocheffizienten neuronalen Netzen eine automatisierte Verkehrszählung auf einem eingebetteten Zielsystem unter Echtzeitanforderungen implementiert und untersucht.
Ein weiterer Schwerpunkt liegt auf der Suche nach der optimalen Netzwerkarchitektur innerhalb eines vordefinierten Suchraums. Hierfür werden neuartige Metriken entwickelt, die durch ihre Anwendung bereits in frühen Trainingsphasen eine schnelle und effiziente Identifikation der leistungsstärksten Architekturen ermöglichen.
Die vorliegende Arbeit widmet sich dieser Herausforderung an der Schnittstelle von Künstlicher Intelligenz und eingebetteten Systemen. Es werden innovative Methoden entwickelt, um neuronale Netze systematisch zu optimieren. Zunächst wird ein Verfahren zur Komprimierung von Netzwerken durch die gezielte Entfernung redundanter und irrelevanter Informationen vorgestellt.
Des Weiteren wird mithilfe von hocheffizienten neuronalen Netzen eine automatisierte Verkehrszählung auf einem eingebetteten Zielsystem unter Echtzeitanforderungen implementiert und untersucht.
Ein weiterer Schwerpunkt liegt auf der Suche nach der optimalen Netzwerkarchitektur innerhalb eines vordefinierten Suchraums. Hierfür werden neuartige Metriken entwickelt, die durch ihre Anwendung bereits in frühen Trainingsphasen eine schnelle und effiziente Identifikation der leistungsstärksten Architekturen ermöglichen.
Keywords: Deep Learning; Optimierung; Objekterkennung; Computer Vision; Automatisierte Verkehrszählung; Pruning; Zero-Cost Proxy; Neuronale Architekturensuche; Eingebettete Systeme
Other formats
Print version: 978-3-8191-0174-8
DOI 10.2370/9783819102523
You need Adobe Reader, to view these files. Here you will find a little help and information for downloading the PDF files.
Please note that the online documents cannot be printed or edited.
Please also see further information at: Help and Information.
Please also see further information at: Help and Information.
| Document |  | Document | ||
| Type |  | |||
| Costs |  | 44,10 € | ||
| Action |  | Purchase in obligation and download the file | ||
| Document |  | Table of contents | ||
| Type | | |||
| Costs |  | free | ||
| Action |  | Download the file | ||
User settings for registered online customers (online documents)
You can change your address details here and access documents you have already ordered.
User
Not logged in
Shaker Verlag GmbH
Am Langen Graben 15a
52353 Düren
Germany
Am Langen Graben 15a
52353 Düren
Germany
Mon. - Thurs. 8:00 a.m. to 4:00 p.m.
Fri. 8:00 a.m. to 3:00 p.m.
Fri. 8:00 a.m. to 3:00 p.m.
Contact us. We will be happy to help you.
