Forschung

Das Ziel dieses Projekts ist die Entwicklung von Entwurfsmethoden für kostengünstige und leistungseffiziente Hardware-Schaltungen für Near-Sensor Computing auf der Basis von Stochastic Computing (SC). Das SC-Paradigma erlaubt extrem kompakte, fehlertolerante und leistungseffiziente Realisierungen von komplexen Funktionen. Die Nachteile von SC, die Geschwindigkeits- und Genauigkeitseinbußen, fallen bei Near-Sensor Computing weniger ins Gewicht, da die Sensordaten ohnehin ungenau sind und die Berechnungen in vielen Szenarien nur sporadisch anfallen. Ein Schwerpunkt des Projekts ist die SC-Realisierung von Neuronalen Netzwerken (NNs) für Klassifikationsaufgaben, von „leichtgewichtigen“ NNs bis hin zu vollständigen Convolutional NNs für Deep Learning.