KISS
KI-Labor Systemdesign für Maschinelles Lernen in Anwendungen der Signalverarbeitung
Das BMBF-geförderte Projekt "KISS: KI Labor Systemdesign für Maschinelles Lernen in Anwendungen der Signalverarbeitung" erforscht neue Entwicklungswerkzeuge, um KI-basierte Algorithmen der Signalverarbeitung zu verbessern und dann Computer-unterstützt in hocheffiziente Implementierungen zu überführen. Die dadurch reduzierten Entwicklungszeiten versprechen verbesserte oder gar völlig neue Produkte und Dienstleistungen für Mobilität, Kommunikation und Unterhaltung.
Die erzielten Ergebnisse aus der Forschung werden mittels universitärer Lehre und industrieller Weiterbildung an alle relevanten Interessenten weitergegeben. Dies umfasst einerseits die Generierung von Trainingsdaten sowie andererseits die effiziente Umsetzung und Optimierung von Endsystemen, welche aus unterschiedlichen Recheneinheiten wie beispielsweise Grafikkarten oder programmierbaren Chips bestehen. Durch die Kombination von klassischen Verfahren mit Methoden des maschinellen Lernens wird zum einen die Anwendbarkeit erhöht sowie die Einstiegshürden für Industrieunternehmen gesenkt.
Zur Erreichung dieser Ziele werden die anzuwendenden Algorithmen mit hohem Abstraktionsniveau in sogenannten semantischen Modellen modelliert, welche dann Computer-unterstützt vereinfacht und auf unterschiedliche Zielplattformen übertragen werden können. Außerdem werden Konzepte bereitgestellt, mit denen Trainingsdaten aus vorhandenen Daten-Pools und Simulationsumgebungen gewonnen werden können. Zur Sicherstellung der Praxistauglichkeit werden diese Methoden an unterschiedlichen Video-, Sprach- und Audioanwendungen getestet.
KISS ist ein Projekt der beiden Verbundpartner Fraunhofer IIS und des Lehrstuhls für Hardware-Software-Co-Design. Weitere Informationen über das Projekt finden Sie unter https://www.iis.fraunhofer.de/kiss
Publikationen
- Heidorn C., Meyerhöfer N., Schinabeck C., Hannig F., Teich J.:
Hardware-Aware Evolutionary Filter Pruning
International Conference on Embedded Computer Systems: Architectures, Modeling and Simulation (SAMOS XXII) (Pythagoreio, Samos, 3. Juli 2022 - 7. Juli 2022)
DOI: 10.1007/978-3-031-15074-6_18
BibTeX: Download - Sabih M., Hannig F., Teich J.:
DyFiP: Explainable AI-based Dynamic Filter Pruning of Convolutional Neural Networks
2nd European Workshop on Machine Learning and Systems (EuroMLSys) (Rennes, France, 5. April 2022 - 8. April 2022)
In: Proceedings of the 2nd European Workshop on Machine Learning and Systems (EuroMLSys), New York, NY, United States: 2022
DOI: 10.1145/3517207.3526982
BibTeX: Download - Sabih M., Hannig F., Teich J.:
Fault-Tolerant Low-Precision DNNs using Explainable AI
Workshop on Dependable and Secure Machine Learning (DSML) (Virtual Workshop, 21. Juni 2021 - 24. Juni 2021)
In: 2021 51st Annual IEEE/IFIP International Conference on Dependable Systems and Networks Workshops (DSN-W) 2021
DOI: 10.1109/DSN-W52860.2021.00036
URL: https://ieeexplore.ieee.org/document/9502445/
BibTeX: Download - Brand M., Hannig F., Keszöcze O., Teich J.:
Precision- and Accuracy-Reconfigurable Processor Architectures—An Overview
In: IEEE Transactions on Circuits and Systems II: Express Briefs 69 (2022), S. 2661 - 2666
ISSN: 1057-7130
DOI: 10.1109/TCSII.2022.3173753
BibTeX: Download - Hannig F., Meloni P., Spallanzani M., Ziegler M. (Hrsg.):
Proceedings of the DATE Friday Workshop on System-level Design Methods for Deep Learning on Heterogeneous Architectures (SLOHA 2021)
2021
Open Access: http://arxiv.org/html/2102.00818
URL: http://arxiv.org/abs/2102.00818
BibTeX: Download - Plagwitz P., Hannig F., Ströbel M., Strohmeyer C., Teich J.:
A Safari through FPGA-based Neural Network Compilation and Design Automation Flows
29th IEEE International Symposium on Field-Programmable Custom Computing Machines (FCCM) (Virtual Conference, 9. Mai 2021 - 12. Mai 2021)
In: Proceedings of the 29th IEEE International Symposium on Field-Programmable Custom Computing Machines (FCCM) 2021
DOI: 10.1109/FCCM51124.2021.00010
URL: https://ieeexplore.ieee.org/document/9444092
BibTeX: Download - Plagwitz P., Hannig F., Teich J.:
TRAC: Compilation-based Design of Transformer Accelerators for FPGAs
International Conference on Field Programmable Logic and Applications (FPL) (Belfast, United Kingdom, 29. August 2022 - 2. September 2022)
In: IEEE Proceedings of the 32nd International Conference on Field Programmable Logic and Applications 2022
DOI: 10.1109/FPL57034.2022.00015
BibTeX: Download - Sabih M., Hannig F., Teich J.:
Utilizing Explainable AI for Quantization and Pruning of Deep Neural Networks
(2020)
Open Access: https://arxiv.org/pdf/2008.09072
URL: https://arxiv.org/abs/2008.09072
BibTeX: Download - Arvind TKR., Brand M., Heidorn C., Boppu S., Hannig F., Teich J.:
Hardware Implementation of Hyperbolic Tangent Activation Function for Floating Point Formats
24th International Symposium on VLSI Design and Test (VDAT) (Bhubaneswar, 23. Juli 2020 - 25. Juli 2020)
In: Proceedings of the 24th International Symposium on VLSI Design and Test (VDAT) 2020
DOI: 10.1109/VDAT50263.2020.9190305
BibTeX: Download - Heidorn C., Hannig F., Teich J.:
Design Space Exploration for Layer-parallel Execution of Convolutional Neural Networks on CGRAs
International Workshop on Software and Compilers for Embedded Systems (SCOPES) (St. Goar, 25. Mai 2020 - 26. Mai 2020)
In: Proceedings of the 23rd International Workshop on Software and Compilers for Embedded Systems (SCOPES) 2020
DOI: 10.1145/3378678.3391878
BibTeX: Download - Heidorn C., Walter D., Candir YE., Hannig F., Teich J.:
Hand Sign Recognition via Deep Learning on Tightly Coupled Processor Arrays
31st International Conference on Field Programmable Logic and Applications (FPL) (Virtual Conference, 30. August 2021 - 3. September 2021)
In: Proceedings of the 31st International Conference on Field Programmable Logic and Applications (FPL) 2021
DOI: 10.1109/FPL53798.2021.00079
BibTeX: Download - Schuster A., Heidorn C., Brand M., Keszöcze O., Teich J.:
Design Space Exploration of Time, Energy, and Error Rate Trade-offs for CNNs using Accuracy-Programmable Instruction Set Processors
2nd International Workshop on IoT, Edge, and Mobile for Embedded Machine Learning (ITEM) (Virtual Event, 13. September 2021 - 17. September 2021)
In: Springer, Cham (Hrsg.): Joint European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD 2021), Switzerland: 2021
DOI: 10.1007/978-3-030-93736-2_29
BibTeX: Download - Heidorn C., Witterauf M., Hannig F., Teich J.:
Efficient Mapping of CNNs onto Tightly Coupled Processor Arrays
In: Journal of Computers 14 (2019), S. 541-556
ISSN: 1796-203X
DOI: 10.17706/jcp.14.8.541-556
BibTeX: Download - Heidorn C., Sabih M., Meyerhöfer N., Schinabeck C., Teich J., Hannig F.:
Hardware-Aware Evolutionary Explainable Filter Pruning for Convolutional Neural Networks
In: International Journal of Parallel Programming (2024)
ISSN: 0885-7458
DOI: 10.1007/s10766-024-00760-5
BibTeX: Download