RVDLAHA:一种RISC-V DLA硬件架构,用于在可穿戴应用程序中的设备实时抓获检测和个性化

科学领域:

• 神经学 神经学
• 计算机工程 计算机工程
• 人工智能的人工智能

背景情况:

• 是一种关键的神经系统疾病,需要实时检测和治疗解决方案.
• 可穿戴设备提供了持续监测的潜力,但检测算法的个性化仍然是一个挑战.
• 现有的用于发作检测的硬件架构缺乏个性化功能.

研究的目的:

• 开发一个实时发作检测和个性化算法.
• 设计一个可编程的RISC-V深度学习加速器硬件架构 (RVDLAHA).
• 为增强功能创建一个专用的RISC-V DLA (RVDLA) 编译器.

主要方法:

• 一个基于卷积神经网络 (CNN) 的算法被开发用于发作检测和个性化.
• 在Xilinx PYNQ-Z2.2上设计并实施了一种新的RVDLAHA.
• 创建了一个专门的RVDLA编译器来支持硬件架构.

主要成果:

• 在动物实验中,CNN算法实现了99.5%的准确性 (32位浮点) 和99.3%的准确性 (16位固定点).
• 个性化算法提高了测试准确度,从数据库的85.0%提高到92.9%.
• 该RVDLAHA显示了低功耗 (0.107W在1MHz) 和快速处理时间 (检测:1.1毫秒,个性化:1.3毫秒).

结论:

• 拟议的系统可以在设备上实时检测发作和个性化.
• RVDLAHA和编译器为个性化的管理提供了一个强大的平台.
• 这种综合方法解决了病护理临床应用的关键挑战.