IMPLEMENTAÇÃO DE UMA FUNÇÃO SIGMOIDE APROXIMADA PARA UTILIZAÇÃO EM REDES NEURAIS ARTIFICIAIS EMBARCADAS EM CIRCUITO FPGA PARA COMPUTAÇÃO DE BORDA

Resumo

As Redes Neurais têm se destacado dentro da área da Inteligência Artificial por permitir aplicações em diferentes campos do conhecimento. Tipicamente, os modelos neurais são executados em computadores com software específicos. Entretanto, para atender aos requisitos de algumas aplicações tecnológicas recentes, é necessário executar a rede neural em “computação de borda” (“edge computing”), ou seja, de forma portátil em circuitos embarcados. Tal implementação, evita problemas de violação de dados e instabilidade da conexão de acesso, recorrentes na execução de redes neurais processadas remotamente, ou seja, em nuvem. A escolha do “Field Programmable Gate Array” (FPGA) como hardware para a computação de borda possibilita atender aos quesitos estabelecidos e, além disso, permite a construção de um circuito elétrico massivamente paralelo, de modo a reproduzir a arquitetura fundamental de modelos neurais. Por outro lado, tal dispositivo não possui uma unidade aritmética pronta, o que impede a implementação direta em hardware dos cálculos aplicados nos neurônios artificiais, devido às operações envolvidas, como na função de ativação sigmoide, largamente utilizada em redes neurais. Atualmente, estudos com aproximações feitas para a função sigmoide possuem atrasos combinacionais e ocupam armazenamentos do FPGA que podem ser reduzidos, fatores pertinentes para aplicações em áreas como a Internet das Coisas (IoT), por exemplo. Este projeto propõe, portanto, a configuração de um circuito FPGA que execute a aproximação de uma função sigmoide para aplicações portáteis e embarcadas com o menor armazenamento e atraso combinacional registrados incluindo a relação com informações referentes ao erro médio e erro máximo da aplicação, quando comparado a outros trabalhos recentes do campo de estudo.