| KEYWORD |
Sviluppo di immagini di test per sistemi basati su reti neurali artificiali
Parole chiave ARTIFICIAL INTELLIGENCE, ARTIFICIAL NEURAL NETWORK, FAULT DETECTION AND IDENTIFICATION, FAULT INJECTION, RELIABILITY, TESTING
Riferimenti ANNACHIARA RUOSPO, EDGAR ERNESTO SANCHEZ SANCHEZ, MATTEO SONZA REORDA
Gruppi di ricerca DAUIN - GR-05 - ELECTRONIC CAD and RELIABILITY GROUP - CAD
Descrizione Negli ultimi anni, le reti neurali artificiali (ANNs) hanno ricoperto un ruolo rilevante in applicazioni di intelligenza artificiale, dimostrando prestazioni notevoli in numerosi compiti. Tuttavia, con la loro crescente integrazione in ambiti critici per la safety, la necessità di garantirne l'affidabilità è emersa come una questione cruciale. Sono in corso numerosi tentativi per stabilire standard di sicurezza che affrontino specificamente le sfide uniche poste dalle reti neurali. Ad esempio, questi standard sottolineano l'importanza di rilevare sul campo i guasti permanenti e transitori che possono verificarsi durante la fase operativa dei dispositivi (e.g., GPUs, ASICs, acceleratori hardware).
L'intento principale della tesi è quello di implementare metodologie innovative per trasformare stimoli di alta qualità sotto forma di immagini di test, da eseguire durante il normale processo di inferenza di una rete neurale. Una libreria di immagini di test (ITL) consiste in un insieme di immagini di test accuratamente sviluppate che possono essere eseguite dal modello della rete neurale per testare specifiche unità hardware.
Scadenza validita proposta 27/11/2024
PROPONI LA TUA CANDIDATURA