Resultados Recentes: Conversão de Redes Neurais em Fluxos Lógicos para Computação de Borda
Imagem gerada por Gemini AI
Pesquisadores desenvolveram um método para aprimorar o desempenho de redes neurais em CPUs com recursos limitados, convertendo-as em árvores de decisão e fluxos lógicos. Essa abordagem reduz a latência em até 14,9% em uma CPU RISC-V simulada, mantendo a precisão. O código está disponível para uso público em https://github.com/TUDa-HWAI/NN2Logic.
Redes Neurais Transformadas em Fluxos Lógicos para Aumentar a Eficiência da Computação de Bordas
Pesquisas recentes revelam uma abordagem inovadora para otimizar redes neurais para dispositivos de borda com recursos limitados, utilizando principalmente unidades de processamento central (CPUs). Ao converter redes neurais em fluxos lógicos, os pesquisadores conseguiram reduções significativas na latência, mantendo a precisão.
O estudo propõe um método onde redes neurais são transformadas em árvores de decisão equivalentes. A partir dessas árvores de decisão, caminhos com folhas constantes são comprimidos em fluxos lógicos. Isso permite uma execução mais eficaz em CPUs.
Resultados experimentais indicam que essa abordagem pode reduzir a latência em até 14,9% em uma CPU RISC-V simulada, sem qualquer degradação na precisão. O código para esse processo de transformação está disponível no GitHub em https://github.com/TUDa-HWAI/NN2Logic.
Tópicos relacionados:
📰 Fonte original: https://arxiv.org/abs/2601.22151v1
Todos os direitos e créditos pertencem ao editor original.