Neuronové sítě na platformě AURIX

Simple item page
but.committeedoc. Ing. Jan Mikulka, Ph.D. (předseda) doc. Ing. Petr Blaha, Ph.D. (místopředseda) Ing. Jakub Arm, Ph.D. (člen) doc. Ing. Petr Fiedler, Ph.D. (člen) Ing. Peter Honec, Ph.D. (člen) Ing. Stanislav Klusáček, Ph.D. (člen)cs
but.defenceStudent obhajoval práci na téma "Neuronové sítě na platformě AURIX". Po prezentaci a přečtení posudků odpověděl na otázky nepřítomného oponenta, a následně v odborné rozpravě odpověděl na doplňující otázky: - Jak je ve Vašem řešení řešena paralelizace, jak se řeší vícejádrová inference NN? - S jakou periodou jsou vzorkována data motoru, a jaký má vliv toto vzorkování na řízení? Student obhájil diplomovou práci. Komise neměla žádné námitky k řešené práci, neopak ocenila technickou náročnost řešeného problému.cs
but.jazykčeština (Czech)
but.programKybernetika, automatizace a měřenícs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorBlaha, Petrcs
dc.contributor.authorSmrčka, Michalcs
dc.contributor.refereeBuchta, Luděkcs
dc.date.accessioned2022-06-09T06:52:39Z
dc.date.available2022-06-09T06:52:39Z
dc.date.created2022cs
dc.description.abstractČást této práce pojednává o dopředných neuronových sítích FNN a způsobu jejich vývoje pomocí MATLAB Deep Learning Toolboxu a API Keras v jazyce Python. Následně se práce zabývá převodem těchto sítí do jazyka C/C++ pomocí knihoven Keras2c, AIfES, TFLM a NNoM. Tento teoretický základ byl nezbytný pro navazující část, která je zaměřena na implementaci a testování natrénované FNN na platformě AURIX TC397 3.3V Application Kit. Tato FNN slouží k diagnostice PMS motoru za účelem detekce mezizávitového zkratu. V práci je blíže popsána konfigurace periferií GPT12 a GETH mikrokontroléru AURIX TC397, které byly využity v aplikaci pro testování FNN. S využitím knihovny Keras2c byla ověřena možnost spuštění inference na 2 jádrech mikrokontroléru AURIX a v rámci knihovny NNoM byla provedena kvantizace natrénované FNN. Nakonec bylo provedeno srovnání knihoven Keras2c, AIfES, TFLM a NNoM z hlediska jednoduchosti implementace, přesnosti klasifikace a rychlosti klasifikace na platformě AURIX.cs
dc.description.abstractPart of this thesis discusses FNNs and how to develop them using MATLAB Deep Learning Toolbox and Keras API in Python. Subsequently, the thesis deals with the conversion of these networks into C/C++ using the Keras2c, AIfES, TFLM and NNoM libraries. This theoretical background was essential for the follow-up section, which focuses on the implementation and testing of the trained FNN on the AURIX TC397 3.3V Application Kit platform. This FNN is used to diagnose the PMS motor in order to detect inter turn faults. The configuration of the GPT12 and GETH peripherals of the AURIX TC397 microcontroller, which were used in the FNN testing application, is described in detail in this thesis. Using the Keras2c library, the possibility of running inference on 2 cores of the AURIX microcontroller was verified and quantization of the trained FNN was performed within the NNoM library. Finally, a comparison of the Keras2c, AIfES, TFLM and NNoM libraries was performed in terms of ease of implementation, classification accuracy and classification speed on the AURIX platform.en
dc.description.markAcs
dc.identifier.citationSMRČKA, M. Neuronové sítě na platformě AURIX [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.cs
dc.identifier.other142555cs
dc.identifier.urihttp://hdl.handle.net/11012/204961
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectFNNcs
dc.subjectKeras2ccs
dc.subjectAIfEScs
dc.subjectTFLMcs
dc.subjectNNoMcs
dc.subjectAURIXcs
dc.subjectEdge AIcs
dc.subjectEmbedded AIcs
dc.subjectreal-timecs
dc.subjectFNNen
dc.subjectKeras2cen
dc.subjectAIfESen
dc.subjectTFLMen
dc.subjectNNoMen
dc.subjectAURIXen
dc.subjectEdge AIen
dc.subjectEmbedded AIen
dc.subjectreal-timeen
dc.titleNeuronové sítě na platformě AURIXcs
dc.title.alternativeNeural networks on AURIX platformen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2022-06-08cs
dcterms.modified2022-06-08-13:05:46cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid142555en
sync.item.dbtypeZPen
sync.item.insts2022.06.09 08:52:39en
sync.item.modts2022.06.09 08:12:42en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav automatizace a měřicí technikycs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
4.28 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
4.18 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_142555.html
Size:
8.9 KB
Format:
Hypertext Markup Language
Description:
review_142555.html
Download
Collections
2022