(相关资料图)
智能设备变得越来越智能，对硬件的要求也越来越高。我们如何确保这些设备与保持其正常运行所需的人工智能兼容，而无需增加硬件容量?这就是NesmaRezk博士。计算机科学与工程专业，一直在研究她的论文。
NesmaRezk的论文是关于在嵌入式平台上实施深度学习应用程序，嵌入式平台是具有专用功能的任何类型的计算机系统，例如智能手表或自动驾驶汽车。深度学习是一种人工智能(AI)技术，可以教会计算机通过示例进行学习。例如，这项技术使无人驾驶汽车能够识别不同的交通标志，这项技术可以在从智能家居设备到医疗保健仪器的所有事物中找到。
“这项技术提出了关于如何使用这些实现、确保它们的效率以及应对深度学习算法的技术进步的问题，这些算法正在不断发展变得更加智能，”Rezk说。
在日常生活中启用人工智能
尽管有先进的硬件平台提供强大的性能，但深度学习模型对硬件计算和内存资源的高要求仍然是一个挑战——如果硬件和模型不够兼容，这可能会限制最终实现的效率.
Rezk惊讶地发现，在许多情况下，可以将深度学习模型压缩到其原始大小的四分之一以下，并且模型仍然可以正常运行。
“深度学习应用程序不应该直接部署到嵌入式系统。应该首先应用称为算法优化的先验步骤。算法优化是降低深度学习应用程序要求的方法，可以在资源有限的平台上运行它们，同时保持它们运行正常，”她解释道。
Rezk相信她的研究可以成为深度学习与我们日常生活之间联系的一部分。
“通过在嵌入式平台上实现深度学习应用，并使这种实现变得高效、快速和稳健，我们可以将AI融入我们日常生活的方方面面，”她说。
营业执照公示信息