Resultados de Última Hora: Conversión de Redes Neuronales en Flujos Lógicos para Computación en el Borde
Imagen generada por Gemini AI
Investigadores han desarrollado un método para mejorar el rendimiento de redes neuronales en CPUs con recursos limitados, convirtiéndolas en árboles de decisión y flujos lógicos. Este enfoque reduce la latencia hasta en un 14.9% en una CPU RISC-V simulada, manteniendo la precisión. El código está disponible para uso público en https://github.com/TUDa-HWAI/NN2Logic.
Redes Neuronales Transformadas en Flujos Lógicos para una Mayor Eficiencia en la Computación en el Borde
Investigaciones recientes revelan un enfoque novedoso para optimizar redes neuronales para dispositivos de borde con recursos limitados, utilizando principalmente unidades de procesamiento central (CPUs). Al convertir redes neuronales en flujos lógicos, los investigadores lograron reducciones significativas en la latencia manteniendo la precisión.
El estudio propone un método en el que las redes neuronales se transforman en árboles de decisión equivalentes. A partir de estos árboles de decisión, los caminos con hojas constantes se comprimen en flujos lógicos. Esto permite una ejecución más efectiva en CPUs.
Los resultados experimentales indican que este enfoque puede reducir la latencia en hasta un 14.9% en una CPU RISC-V simulada sin degradar la precisión. El código para este proceso de transformación está disponible en GitHub en https://github.com/TUDa-HWAI/NN2Logic.
Temas relacionados:
📰 Fuente original: https://arxiv.org/abs/2601.22151v1
Todos los derechos y créditos pertenecen al editor original.