{"id":26160,"date":"2024-10-30T03:00:48","date_gmt":"2024-10-30T03:00:48","guid":{"rendered":"https:\/\/domosistemas.com\/?p=26160"},"modified":"2024-10-30T03:00:48","modified_gmt":"2024-10-30T03:00:48","slug":"desarrollan-un-algoritmo-de-aprendizaje-para-incluir-redes-neuronales-en-dispositivos-iot","status":"publish","type":"post","link":"https:\/\/domosistemas.com\/?p=26160","title":{"rendered":"Desarrollan un algoritmo de aprendizaje para incluir redes neuronales en dispositivos IoT"},"content":{"rendered":"
\n

Al incorporar capacidades de inteligencia artificial (IA), como las redes neuronales artificiales (RNA), a los dispositivos IoT de borde se requieren recursos computacionales sustanciales. Mientras tanto, los dispositivos IoT de borde son inherentemente peque\u00f1os, con potencia, velocidad de procesamiento y espacio de circuito limitados. Para unificar ambas tecnolog\u00edas, los investigadores de la Universidad de Ciencias de Tokio<\/a> han presentado un nuevo algoritmo de entrenamiento para un tipo especial de redes neuronales artificiales (RNA) llamado red neuronal binarizada (BNN), as\u00ed como una implementaci\u00f3n innovadora de este algoritmo en una arquitectura de computaci\u00f3n en memoria (CiM) de vanguardia adecuada para dispositivos IoT.<\/p>\n

\"Esquema.\"
En la imagen se muestra una estructura de la red neuronal propuesta (derecha) y el esquema de una nueva celda RAM magn\u00e9tica que aprovecha la espintr\u00f3nica para implementar la t\u00e9cnica propuesta en una arquitectura de computaci\u00f3n en memoria. Foto: Takayuki Kawahara de la Universidad de Ciencias de Tokio.<\/figcaption><\/figure>\n

El nuevo algoritmo de entrenamiento, denominado gradiente ternario BNN (TGBNN), presenta tres innovaciones clave. En primer lugar, emplea gradientes ternarios durante el entrenamiento, mientras mantiene los pesos y las activaciones binarias. En segundo lugar, mejoraron el estimador directo (STE), optimizando el control de la retropropagaci\u00f3n del gradiente para garantizar un aprendizaje eficiente. En tercer lugar, adoptaron un enfoque probabil\u00edstico para actualizar los par\u00e1metros aprovechando el comportamiento de las celdas de memoria de acceso aleatorio magnetorresistiva (MRAM).<\/p>\n

Posteriormente, el equipo de investigaci\u00f3n implement\u00f3 el algoritmo TGBNN en una arquitectura CiM, que realiza los c\u00e1lculos directamente en la memoria, en lugar de en un procesador dedicado, para ahorrar espacio y energ\u00eda en el circuito. Esto fue posible gracias al desarrollo de una puerta l\u00f3gica XNOR completamente nueva como componente b\u00e1sico para una matriz de MRAM. Esta puerta utiliza una uni\u00f3n de t\u00fanel magn\u00e9tico para almacenar informaci\u00f3n en su estado de magnetizaci\u00f3n.<\/p>\n

Para cambiar el valor almacenado de una celda MRAM individual, los investigadores aprovecharon dos mecanismos diferentes. El primero fue el par de giro-\u00f3rbita, la fuerza que se produce cuando se inyecta una corriente de giro de un electr\u00f3n en un material. El segundo fue la anisotrop\u00eda magn\u00e9tica controlada por voltaje, que se refiere a la manipulaci\u00f3n de la barrera de energ\u00eda que existe entre los diferentes estados magn\u00e9ticos de un material. Gracias a estos m\u00e9todos, el tama\u00f1o del circuito de c\u00e1lculo del producto de la suma se redujo a la mitad del de las unidades convencionales.<\/p>\n

Realizaci\u00f3n de tareas complejas en las viviendas inteligentes<\/h2>\n

El equipo prob\u00f3 el rendimiento de su sistema CiM basado en MRAM propuesto para las BNN utilizando el conjunto de datos de escritura a mano MNIST, que contiene im\u00e1genes de d\u00edgitos escritos a mano individuales que las RNA deben reconocer. Los resultados mostraron que la BNN de gradiente ternarizado de la universidad logr\u00f3 una precisi\u00f3n de m\u00e1s del 88% utilizando el aprendizaje basado en c\u00f3digos de salida de correcci\u00f3n de errores (ECOC), al tiempo que igualaba la precisi\u00f3n de las BNN regulares con la misma estructura y lograba una convergencia m\u00e1s r\u00e1pida durante el entrenamiento.<\/p>\n

Este avance podr\u00eda allanar el camino para dispositivos IoT potentes capaces de aprovechar la IA en mayor medida. Esto tiene implicaciones notables para muchos campos en r\u00e1pido desarrollo. Por ejemplo, las viviendas inteligentes podr\u00edan realizar tareas m\u00e1s complejas y operar de una manera m\u00e1s receptiva. El dise\u00f1o propuesto tambi\u00e9n podr\u00eda reducir el consumo de energ\u00eda, contribuyendo as\u00ed a los objetivos de sostenibilidad.<\/p>\n

La entrada Desarrollan un algoritmo de aprendizaje para incluir redes neuronales en dispositivos IoT<\/a> aparece primero en CASADOMO<\/a>.<\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

Al incorporar capacidades de inteligencia artificial (IA), como las redes neuronales artificiales (RNA), a los dispositivos IoT de borde se requieren recursos computacionales sustanciales. Mientras tanto, los dispositivos IoT de borde son inherentemente peque\u00f1os, con potencia, velocidad de procesamiento y espacio de circuito limitados. Para unificar ambas tecnolog\u00edas, los investigadores de la Universidad de Ciencias … Sigue leyendo Desarrollan un algoritmo de aprendizaje para incluir redes neuronales en dispositivos IoT<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-26160","post","type-post","status-publish","format-standard","hentry","category-casadomo-com"],"_links":{"self":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts\/26160","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=26160"}],"version-history":[{"count":0,"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts\/26160\/revisions"}],"wp:attachment":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=26160"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=26160"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=26160"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}