Plattformunabhängiges neuronales Netz für selbstlernende Mikrocontroller, die Sensordaten verarbeiten

"Durch die Verwendung von Standardbibliotheken, die auf der GNU Compiler Collection (GCC) und einem auf ein Minimum reduzierten Quellcode basieren, ist sogar eine Integration mit Lernalgorithmen auf einem Mikrocontroller möglich", sagte die Organisation. "Das künstliche neuronale Netzwerk ist oberflächlich nicht auf die Verarbeitung von Big Data fokussiert, sollte aber die Möglichkeit bieten, eine selbstlernende Mikroelektronik zu implementieren, die keine Verbindung zu einer Cloud oder zu leistungsfähigeren Computern erfordert."

Es werden Anwendungen im Bereich Sensorik und Zustandsüberwachung für Industrie 4.0-Anwendungen sowie allgemeinere IoT-Zwecke erwartet.

Das Netzwerk ist modular, um es an unterschiedliche Aufgaben anzupassen - Parameter von der Normalisierung der Sensordaten, der Netzwerkstruktur, der am besten geeigneten Aktivierungsfunktion und dem Lernalgorithmus sind konfigurierbar.

Als Lernalgorithmus wurde ein Online-Multioptions-Back-Propagation-Algorithmus implementiert, an dem eine evolutionäre Lernstrategie entwickelt wird.

"Die Programmierung mit dem GCC ermöglicht das Portieren auf nahezu alle Plattformen", sagte das Fraunhofer. „Dies ermöglicht eine vollständig unabhängige Integration einschließlich eines Lernalgorithmus in einem eingebetteten System. Die klassische Variante, in der die Lernphase auf einer effizienteren Einheit durchgeführt wird, ist ebenfalls möglich. Der Vorteil in diesem Fall ist, dass derselbe Quellcode für verschiedene Plattformen verwendet werden kann - er muss nur für die jeweilige Plattform kompiliert werden. “

Bei Verwendung von Windows wird der Quellcode beispielsweise als Dynamic Link Library (DLL) kompiliert, sodass er in Tools wie Labview, Matlab oder Visual Studio integriert werden kann.

Für die erste Entwicklung wird ein PC zur schnellen Berechnung vorgeschlagen. Sobald die Konfiguration korrekt ist, kann sie auf dem Embedded System implementiert werden.

Versionen des neutralen Netzwerks wurden bereits auf Raspberry Pi mit Raspbian und einem ATMega32U4 demonstriert. Letzteres war das ThemaIntelligenter autarker drahtloser Stromsensor“, Ein auf der Europäischen Konferenz über intelligente Objekte, Systeme und Technologien Eine weitere Implementierung wird am Stand des Fraunhofer IMS auf der SPS IPC Drives 2018 in Nürnberg vorgestellt.

Zukünftige Pläne sehen einen energieeffizienten Hardware-Beschleuniger speziell für das Netzwerk vor.