Yüksek Lisans Adayı: Salih Atabey

EABD: Bilişim Sistemleri

Tarih: 08.07.2025 / 10:00

Yer: B-116

Özet: Gömülü sistemlerde gerçek zamanlı performans ve enerji verimliliğinin kritik olduğu durumlarda ikili sinir ağları giderek daha fazla önem kazanmaktadır. Model parametre ve aktivasyon değerlerini ikili değerlere indirgeyen güçlü bir sıkıştırma yöntemi olan binarizasyon, hesaplama karmaşıklığını ve bellek gereksinimlerini önemli ölçüde azaltır. Ancak bu sıkıştırma yöntemi genellikle bilgi kaybına yol açarak model doğruluğunu olumsuz etkileyebilir. Bu çalışma, gelişmiş binarizasyon yöntemlerini incelemekte ve daha önce binarize edilmemiş olan SqueezeNet gibi hafif mimarilere uygulamaktadır. Binarize edilmiş bir SqueezeNet sürümü önerilmekte ve mimari iyileştirmelerle optimize edilmektedir. FPGA’lar için yapay zeka donanım geliştirme ortamlarına dair kapsamlı bir literatür taraması sunularak mevcut platformlar, tasarım felsefesi, optimizasyon stratejileri ve dağıtım uyumluluğu temelinde kategorize edilip değerlendirilmektedir. Özellikle FINN ve HLS4ML olmak üzere iki ortama özel önem verilmekte ve bu ortamların FPGA platformlarında ikili sinir ağlarını uygulamak için nasıl kullanıldıkları ayrıntılı olarak incelenmektedir. Çalışma, MNIST, CIFAR-10 ve ImageNet gibi farklı karmaşıklık düzeylerindeki veri kümeleriyle performans değerlendirmesini ve uygulama zorluklarını ele almaktadır. Tam kesinlik ve ikilenmiş kesinlikteki modellerin karşılaştırmalı analizi, mimari ve donanım geliştirme ortamı tercihlerinin doğruluk, kaynak verimliliği ve performans üzerindeki etkilerini ortaya koymaktadır. Uygulama sonuçları değerli bulgular sağlarken, bu çalışma, kısıtlı gömülü sistemlerde pratik ikili sinir ağı uygulamaları için kritik olan mimari ve donanım düzeyindeki konulara dikkat çekmektedir.