Implémentation matérielle des réseaux de neurones artificiels : des Neurosciences au Machine Learning
Résumé
Les réseaux de neurones connaissent aujourd’hui un engouement sans précédent grâce à l’explosion de l’open data et de la puissance de calcul toujours plus importante des ordinateurs actuels. Cependant, diverses applications telles que la reconnaissance de la voix ou la détection et classification d’objets nécessitent une implémentation matérielle des réseaux de neurones, mais leur coût matériel reste trop important et devient une limite à leur utilisation. Il est donc nécessaire de concevoir des architectures neuromorphiques adaptées afin d’optimiser ce coût, principalement en surface et consommation d’énergie, et permettre notamment une intégration dans les systèmes embarqués pour les réseaux de capteurs, smartphones et autres véhicules autonomes.
En l’absence de résultats encore démontrables, nous présentons dans ce papier les deux modèles de réseaux de neurones que nous étudions (Neurosciences vs. Machine Learning), nous décrivons l’état de l’art associé et présentons les différents principes et objectifs de notre projet.