Méthodologies de synthèse de réseaux de neurones pour applications de traitement de signal adaptatif et implémentation sur circuits reconfigurables dynamiquement.

Accueil || Parcours || Recherche || S'enregistrer || Mon Compte || Contacts || Aide || Langues

Chtourou, Sofien (2007) Méthodologies de synthèse de réseaux de neurones pour applications de traitement de signal adaptatif et implémentation sur circuits reconfigurables dynamiquement. Doctorat Electronique / Ingénierie de systèmes informatiques, ENSTA / UEI - Laboratoire d'Informatique et d'Electronique, ENSTA p.165.

Plein texte disponible en tant que : - ENSTA-UEI-These-SofienCHTOUROU.pdf ( 2123 Kb )

Licence: Copyright

Résumé

Les progrès dans les techniques de conception et dans la technologie des semi-conducteurs ont permis l'intégration de systèmes embarqués de complexité croissante sur une puce, les systèmes sur puce (System on Chip – SOC). Les piliers de la stratégie adoptée pour atteindre ce résultat sont les suivants: (1) la réutilisation de composants (IP), (2) l'utilisation de plateformes, (3) l'abstraction. L'ensemble de ces techniques permet de concevoir des systèmes complets pouvant répondre aux besoins d'applications complexes et déterministes. Cette situation change si les applications visées sont diverses dans leur comportement à l'exécution en termes d'utilisation de ressources et si de plus chaque application elle même présente un caractère variable à l'exécution. Cette variabilité de la charge de travail va à l'encontre des méthodologies actuelles qui considèrent que toutes les informations relatives aux applications sont connues de manière statique et que donc toutes les décisions de partitionnement logiciel-matériel, et d'allocation de ressources ainsi que d'ordonnancement le sont aussi.

Dans cette thèse nous proposons une nouvelle approche pour la conception de systèmes sur puce avec charge variable. Le problème est posé comme un problème de contrôle adaptatif avec prédicteur dynamique de charge de travail. La première partie de la thèse se focalise sur l’extraction automatique des différentes caractéristiques qui favorisent l’introduction d’un aspect adaptatif dans l’architecture d’une application et la résolution du problème de la prédiction de grandes séries de temps résultant de la capture de la variabilité de charge. Nous présentons les réseaux de neurones récurrents connus comme des approximateurs universels capables de modéliser un phénomène dynamique non linéaire et les appliquons à la prédiction dynamique de charge dans les Systèmes sur Puce. Les aspects théoriques fondamentaux ayant été fixés dans la deuxième partie de la thèse nous évaluons le coût en surface de l’implémentation d’un prédicteur par une exploration automatique multiobjective puis évaluons ses performances dans une plateforme SOC modélisée en SystemC TLM. Ces travaux ont été validés sur une application industrielle multimédia JPEG-2000. Il en découle un traitement adaptatif en nombre de ressources résultant en une meilleure efficacité de l’utilisation du circuit et une meilleure performance comparée a une architecture fixe.

Statistiques de consultation

Administrateurs de l'archive uniquement : éditer cet enregistrement