Abstract:
Procédé, comprenant préalablement à une mise en œuvre d'un réseau de neurones par une unité de traitement (UT), le réseau de neurones comportant une succession de couches (LY k ) et au moins un opérateur (OP k ) intervenant entre au moins une paire de couches successives (LY k , LY k+1 ), une génération par un outil informatique (ORD), d'un code exécutable (CX) destiné à être exécuté par l'unité de traitement pour mettre en œuvre le réseau de neurones, et une élaboration par l'outil informatique (ORD) d'au moins une fonction de transfert entre ladite au moins une paire de couches sous la forme d'un ensemble de valeurs pré-calculées (TF).
Abstract:
Selon un aspect, il est proposé un procédé de génération d'un code exécutable par un ordinateur pour mettre en oeuvre un réseau de neurones artificiels (INN) comportant une élaboration (25) du code exécutable (ONN) en choisissant pour chaque couche du réseau de neurones (INN) une solution d'implémentation parmi les solutions d'implémentation possibles de cette couche en fonction de la perte de performances en termes de temps d'exécution et/ou d'allocation de cette solution d'implémentation par rapport au seuil de temps d'exécution maximal et/ou du seuil d'allocation mémoire maximale.
Abstract:
Le procédé de gestion d'un calcul convolutif réalisé par une unité de calcul adaptée pour calculer des données de sorties sur des canaux de sortie à partir de noyaux de convolution appliqués à des blocs de données d'entrée sur au moins un canal d'entrée, comprend : - une identification (110) de la taille d'un emplacement mémoire disponible dans une mémoire de travail temporaire de l'unité de calcul ; - un pré-chargement (130) dans la mémoire de travail temporaire du nombre maximal de noyaux de convolution pouvant être stockés à cette taille ; et - une commande (140) de l'unité de calcul pour calculer l'ensemble des données de sorties pouvant être calculées à partir noyaux de convolution pré-chargés.
Abstract:
According to an aspect, a method is proposed for defining placements, in a volatile memory, of temporary scratch buffers used during an execution of an artificial neural network, the method comprising: - determining (20) an execution order of layers of the neural network, - defining (21) placements, in a heap memory zone of the volatile memory, of intermediate result buffers generated by each layer, according to the execution order of the layers, - determining (22) at least one free area of the heap memory zone over the execution of the layers, - defining (27) placements of temporary scratch buffers in said at least one free area of the heap memory zone according to the execution order of the layers.
Abstract:
Selon un aspect, il est proposé un réseau de neurones artificiels comportant une cellule unitaire (UCEL) comprenant : - une première couche de convolution bidimensionnelle binaire (CONV1) configurée pour recevoir un tenseur d'entrée (IT) et pour générer un premier tenseur (T1), puis - une première couche de normalisation par lot (BN1), puis - une couche de concaténation (CONC) configuré pour générer un tenseur (T3) concaténant le tenseur d'entrée (IT) et un tenseur (T2) généré par la première couche de normalisation par lot (BN1), puis - une seconde couche de convolution bidimensionnelle binaire (CONV2), puis - une seconde couche de normalisation par lot (BN2).
Abstract:
Procédé de détection en temps réel d'au moins une scène par un appareil parmi un ensemble de scènes de référence possibles, comprenant une acquisition de valeurs courantes d'attributs (Ai) à partir de valeurs de mesures fournies par des capteurs (CPTj) et un parcours (20) d'un chemin (PTH) au sein d'un arbre de décision (ALC) dont les noeuds (ND i ) sont respectivement associés auxdits attributs (Ai) en prenant en compte à chaque noeud (ND i ) du chemin, la valeur courante de l'attribut correspondant (Ai) de façon à obtenir en sortie du chemin une scène (S d ) parmi l'ensemble de scènes de référence (S k ), ladite scène obtenue formant la scène détectée (S d ), procédé comprenant en outre une élaboration d'un indice de confiance (SC) associé à la scène détectée (S d ).
Abstract:
Le procédé de contrôle de la détection en temps réel d'une scène par un appareil de communication sans fil équipé d'au moins un capteur de mesure environnemental, comprend un ajustement temporel (26) des instants d'activation (21) de ladite détection à partir de valeurs de mesure (23) délivrées par ledit au moins un capteur de mesure environnemental (CPT1-CPT5) à des instants de mesure (22).
Abstract:
Selon un aspect, il est proposé un procédé de transformation d'un réseau de neurones artificiels entraîné (TNN) comportant une couche de convolution binaire (CNV_b) suivie d'une couche de mise en commun (PL) puis d'une couche de normalisation par lot (BNL), le procédé comprenant : - une obtention (10) du réseau de neurones artificiels entraîné (TNN), puis - une conversion (11) du réseau de neurones artificiels entraîné (TNN) dans laquelle l'ordre des couches du réseau de neurones artificiels entraîné (TNN) est modifié en déplaçant la couche de normalisation par lot après la couche de convolution (CNV), de façon à obtenir un réseau de neurones artificiels transformé (ONN).
Abstract:
Il est proposé un procédé d'implémentation d'un réseau de neurones artificiel dans un circuit intégré, procédé comprenant : - une obtention (10) d'un fichier numérique initial représentatif d'un réseau de neurones configuré selon au moins un format de représentation de données, puis - a)une détection d'au moins un format de représentation d'au moins une partie des données dudit réseau de neurones, puis - b)une conversion (C1, C2, C3, C4) d'au moins un format de représentation détecté vers un format de représentation prédéfini de façon à obtenir un fichier numérique modifié représentatif du réseau de neurones, puis - c) une intégration (21) dudit fichier numérique modifié dans une mémoire du circuit intégré.
Abstract:
Le récepteur comprend un étage d'entrée (ET1) destiné à être connecté sur un canal de transmission et configuré pour délivrer un signal analogique de canal issu du canal de transmission, un étage (CAN) de conversion analogique/numérique du signal analogique de canal pour délivrer un signal numérique de canal. Le signal analogique de canal véhicule des trames (TRM) de symboles et le canal de transmission est considéré comme étant linéaire et cyclo-stationnaire pour toute la durée d'au moins une trame. Des moyens d'estimation (MEST) effectuent une pluralité d'estimations de canal (80) pour ladite au moins trame à partir du signal numérique de canal de façon à élaborer une séquence de N fonctions de transfert (HF k ) du canal de transmission respectivement associées à N tranches temporelles successives, la durée totale (D) des N tranches temporelles étant égale à la quasi-totalité de la période de cyclo-stationnarité (PC) du canal ou à la totalité de ladite période (PC). Des moyens de décodage (MDCD) décodent certains au moins des symboles de ladite au moins une trame en utilisant pour chacun de ces symboles la fonction de transfert associée à la tranche temporelle contenant ledit symbole.