Implementación de un algoritmo de aprendizaje de máquina para la optimización del sistema hardware en una FPGA

Abstract

Una de las tecnologías que más ha evolucionado en los últimos años son los algoritmos de aprendizaje de máquina, debido en mayor medida a los avances tecnológicos registrados en la última década sobre la capacidad de las FPGA's usadas en este tipo de aplicaciones, así como la reducción en su coste y consumo energético, lo que permite la utilización a gran escala de redes de este tipo de dispositivos. Esta investigación ha implementado un algoritmo de hardware genético mediante una FPGA para determinar el sentido de un movimiento, en este caso ilustrando la solución a la detección del cambio de posición. Al mismo tiempo que, se compara el desempeño de la implementación de hardware con una de software de la misma tarea utilizando MATLAB. Los procesos que componen el algoritmo genético, se implementan a través de módulos de hardware, tales como aleatorización de la población inicial, módulos para la muestra de resultados, módulo de memoria normalizada, caché para módulo de memoria. Los resultados se presentan gráficamente en una matriz de leds. Toda la implementación del algoritmo se realiza en lenguaje VHDL y la placa de desarrollo MOJO V3, en la que se encuentra la FPGA XILINIX SPARTAN 6. Los resultados de las pruebas de rendimiento de implementación de hardware y software también se presentan en forma tabular Por lo tanto, este trabajo de investigación, tiene como objetivo avanzar en el conocimiento científico y tecnológico necesario para el diseño y desarrollo de modelos de aprendizaje en dispositivos hardware específicos (FPGA's), con el fin de permitir su utilización en aplicaciones de sistemas en tiempo real y redes de sensores. Para ello se investigan y desarrollan estrategias de diseño para este tipo de dispositivos que maximicen la eficiencia en la utilización de recursos.