Red neuronal independiente de la plataforma para microcontroladores de autoaprendizaje que procesan datos de sensores

"Al usar bibliotecas estándar basadas en la Colección de compiladores GNU (GCC) y un código fuente reducido al mínimo, incluso la integración que incluye algoritmos de aprendizaje en un microcontrolador es posible", dijo la organización. "La red neuronal artificial no está enfocada superficialmente hacia el procesamiento de grandes datos, pero debería ofrecer la posibilidad de implementar microelectrónica de autoaprendizaje que no requiera una conexión a una nube o computadoras más poderosas".

Se esperan aplicaciones alrededor de sensores y monitoreo de condición para aplicaciones de la Industria 4.0, así como propósitos más generales de IoT.

La red es modular para adaptarse a diferentes tareas: los parámetros de la normalización de los datos del sensor, la estructura de la red, la función de activación más adecuada y el algoritmo de aprendizaje son configurables.

Como algoritmo de aprendizaje, se implementó un algoritmo de propagación inversa de múltiples opciones en línea, y se está desarrollando una estrategia de aprendizaje evolutivo.

"La programación con el GCC permite portar a casi todas las plataformas", dijo el Fraunhofer. “Esto permite una integración totalmente autónoma que incluye un algoritmo de aprendizaje en un sistema integrado. La variante clásica, en la que la fase de aprendizaje se realiza en una unidad más eficiente, también es posible. La ventaja en este caso es que el mismo código fuente se puede usar para diferentes plataformas, solo se debe compilar para la plataforma respectiva ".

Cuando se usa Windows, por ejemplo, el código fuente se compila como una biblioteca de enlace dinámico (DLL) que le permite integrarse en herramientas como Labview, Matlab o Visual Studio.

Para el desarrollo inicial, se sugiere una PC para un cálculo rápido. Una vez que la configuración es correcta, se puede implementar en el sistema integrado.

Ya se han demostrado versiones de la red neutral en Raspberry Pi con Raspbian y un ATMega32U4; este último fue el tema de "Sensor de corriente inalámbrico inteligente autosuficiente', Un documento presentado en la Conferencia Europea sobre Objetos Inteligentes, Sistemas y Tecnologías. Otra implementación se presentará en el stand de Fraunhofer IMS en SPS IPC Drives 2018 en Nuremberg.

Los planes futuros incluyen un acelerador de hardware eficiente en energía específicamente para la red.