▷ Behavioral signal processing with Machine Learning #ML based on #FPGA

 

⭐⭐⭐⭐⭐ Behavioral signal processing with Machine Learning #ML based on #FPGA

✅ Video:
✅ Objectives:
  • Preprocesar la señales de comportamiento utilizando técnicas de normalización, estandarización y filtrado.
  • Comparar el desempeño de al menos dos redes neuronales para series temporales.
  • Medir los tiempos de procesamiento, % de CPU utilizado y % de memoria utilizada, en el procesador NIOSII, ARM ó ambos, según sea el caso (radar chart).
✅ Goals:
  • Implementar un Sistema Embebido basado en #FPGA que lea datos preprocesados (.csv o .mat) almacenados en memoria Double Data Rate 3 Synchronous Dynamic Random-Access Memory #DDR3_SDRAM), el acceso se lo realizará a través del Hard Processor System #HPS. El proceso de entrenamiento de la red neuronal para series temporales podrá ser realizado en computador convencional, luego el modelo entrenado en lenguaje C++ deberá ser ejecutado por el procesador #NIOSII en la #FPGA. El sistema deberá tener como salida un monitor VGA ó HDMI que muestre los resultados de la clasificación de forma clara. El sistema basado en #FPGA es quien ejecuta los bloques de filtrado y red neuronal, pero los grupos que tengan estudiantes de telemática, no usarán la salida VGA ó HDMI sino deberán acceder a la interfaz visual por medio de una aplicación web desplegada en un servidor de aplicaciones web corriendo en un sistema operativo linux con procesador #ARM.
✅ Abstract:
  • Utilizando Social Cognitive Theory #SCT, en este proyecto las señales de comportamiento representan el desempeño en número de pasos por día de cualquier sujetos, pueden ser adquiridas con ayuda de aplicaciones para smartphone aprovechando las características de los equipos actuales. Estas señales cuentan con información de estímulos externos que condicionan el desempeño del sujeto tales como escenarios meteorológicos, etc. El presente trabajo no incluye la etapa de adquisición de datos, utilizaremos señales de comportamiento previamente adquiridas. Se realizará un procesamiento post adquisición que incluye: Preprocesamiento y pronóstico de series temporales[1].
  • En la etapa de de preprocesamiento, nos encargaremos de filtrar y normalizar los datos previo a la etapa de caracterización [1].
  • En el pronóstico de la serie temporal, la red neuronal #NN utiliza las características más representativas con las que los algoritmos tengan una mejor desempeño en la predicción de las salidas. Para un adecuado desempeño, los algoritmos de #NN requieren que las señales sean procesadas en una etapa previa de preprocesamiento [2].

✅ Use Algorithm in IEEE format (overleaf):
✅ Use Radar Plot for Performance Results:

Comentarios

Popular Posts

▷ #ESP32 - REAL-TIME CLOCK #RTC INTERNO

▷ Especificaciones del módulo ESP32

▷ #ESP32 - SINCRONIZAR RTC INTERNO CON SERVIDOR NTP

▷ #ESP32 - Display OLED 128x64

▷ #ESP32 - Over-The-Air programming #OTA

▷ #ESP32 - #MQTT (Introducción)

▷ SISTEMAS EMBEBIDOS, PROYECTOS PROPUESTOS (2020 1er Término)

▷ SISTEMAS EMBEBIDOS, PROYECTOS PROPUESTOS (2021 PAO1)

▷ Artificial Intelligence #AI based on #FPGA

▷ PROTEUS PCB DESIGN