Tehisintellekti ja süvaõppe algoritmid on läbi teinud pika arengu ja tõestanud enda kasulikkust erinevates valdkondades: tänapäeval leiab nende rakendusi kõikvõimalikest erinevatest süsteemidest ja süsteemi kasutajad ei ole nende algoritmide kasutamisest enam tihti teadlikud.
Käesolev doktoritöö keskendub süvaõppe algoritmide rakendamisele piiratud jõudlusega seadmetel nagu näiteks väliprogrammeeritav loogika (FPGA). Käesolevas töös püstitatakse ja pakutakse vastus kahele küsimusele: kas oleks võimalik ja ka otstarbekas konstrueerida riistavaline kiirendi süvaõppe algoritmidele, mis tuginevad juhendamata õppimisele (unsupervised learning) ja kas süvaõppe algoritmides oleks üldisemalt võimalik ilma algoritmi uuesti õpetamata asendada ujukoma andmed mõne sobivama andmetüübiga, mis võimaldaks konstrueerida riistvaraliselt säästlikuma kiirendi.

Doktoritöö on avaldatud Tehnikaülikooli raamatukogu digikogus

Juhendajad: täisprofessor tenuuris Jaan Raik, emeriitdotsent Kalle Tammemäe ning professor Thomas Hollstein (Tallinna Tehnikaülikool)

Oponendid:

• professor Alberto Bosio (Institute of Nanotechnology Ecully, Prantsusmaa)
• professor Jari Nurmi (Tampere Ülikool, Soome)

Jälgi avalikku kaitsmist MS Teamsis 

Meeting ID: 322 490 481 857
Passcode: 5LCc8p