چکيده
شبكه‌هاي عصبي عميق (DNN) در حل بسياري از مسائل مطرح در حوزۀ هوش مصنوعي پاسخ‌هايي با بهترين دقت را ارائه مي‌كنند اما اين برتري با هزينۀ پيچيدگي محاسباتي بسيار بالا به دست مي‌آيد. لذا استفاده از شبكه‌هاي عصبي عميق در ادواتي كه توسط باتري تغذيه مي‌شوند، مانند ادوات پزشكي قابل كاشت در بدن و يا گوشي‌هاي هوشمند، با چالش‌هايي رو به رو است كه مهم‌ترين آن‌ها مصرف بالاي انرژي است. بنابراين گسترش به كار گيري شبكه‌هاي عصبي عميق در سيستم‌هاي هوشمند قابل حمل مستلزم بهره‌گيري از روش‌هايي براي بهبود بهره‌وري انرژي است. اين روش‌ها بايد بتوانند بدون نقض دقت مورد نظر و يا افزايش هزينۀ سخت‌افزار، باعث كاهش توان مصرفي گردند.
در اين سمينار جديدترين روش‌هاي افزايش بهره‌وري انرژي در پردازش استنتاج شبكه‌هاي عصبي عميق بررسي شده و فرصت‌هاي پژوهشي موجود معرفي مي‌گردند
واژه‌هاي كليدي: پردازش شبكه عصبي عميق، كاهش توان مصرفي، سيستم هوشمند قابل حمل
