• 校园通
  • 协同办公
  • ENGLISH

讲座报告

06月30日10:10 黄志洪:面向深度学习的FPGA加速结构优化技术

讲座编号:jz-yjsb-2018-y045

讲座题目:面向深度学习的FPGA加速结构优化技术

主 讲 人:黄志洪 助理研究员 中国科学院电子学研究所

讲座时间:2018630日(周六)上午1010

讲座地点:阜成路西校区教一楼106会议室

参加对象:管理科学与工程研究生及对此专题感兴趣的全校师生

主办单位:研究生院

承办单位:计算机与信息工程学院

主讲人概况:

    黄志洪,男,博士,中国科学院电子学研究所助理研究员。2005年、2008年先后毕业于西安电子科技大学电子工程学院、微电子学院,分别获学士、硕士学位,2016年在中国科学院大学获工学博士学位。2008年起至今在中国科学院电子学研究所从事可编程芯片架构及电路设计研究工作,先后担任人工智能芯片组组长、产品规划部部长,负责设计了多款高性能FPGA可编程嵌入式存储、信号处理模块互连及通道结构,包括多款大容量FPGA、可编程嵌入式IP核等。作为课题负责人主持国家自然科学基金青年项目、北京市食品安全大数据重点实验室开放课题,作为主管设计师带领研究组进行北京市重大专项脑科学项目类脑计算芯片课题研究工作,作为技术负责人主持中科院/外专局“国际合作伙伴计划”子课题与瑞士洛桑理工大学长期合作研究逻辑锥结构FPGA设计技术,作为核心骨干参与核高基国家重大专项、中科院重点部署、中科院重要方向、国家自然科学基金面上项目、科技委前沿创新局重大专项等项目。同时作为国科大“科创计划”实际技术负责人引导高校学生开展项目研究,作为副导师协助引导培养多名博士、硕士研究生。目前已在国内外知名期刊/会议上发表学术论文二十余篇,申请中国发明专利12项。

主讲内容:

随着近年来深度学习技术迅速发展,其算法模型也经历了一个快速迭代的周期, 其中,深度卷积神经网络(DCNN)因其能有效提高算法的精确度与效率,已成为人工智能主流的算法模型之一。由于其多层感知、共享权值,有着很强的非线性表述能力,非常适用于光谱信息大数据样本下分析建模。然而,深度神经网络实现结构复杂度高,在实现大数据中心检测以及在线实时检测应用时,不管是深度学习集群还是智能便携终端都对信号处理器提出了速度和能耗的严峻挑战。本报告从“信号处理平台分析”、“基于FPGA的算法加速研究”、“处理器结构的优化探索”等方面先容面向光谱分析应用的深度学习高能效并行处理器的设计加速实现,以及整体结构的改进优化。

 

来源:研究生院(党委研究生工作部) 发表日期:2018-06-28 阅读次数:
XML 地图 | Sitemap 地图