Examensarbete, 15/30 HP: Comparison of Suitability of Hardware Architectures for Implementation of Machine Learning Algorithms

Vacancies 11 October 2019

Closing date

30-Nov-2019

Location

Huskvarna

Contact

Agneta Bomberg +46 (10) 2168011
Anita Karlsson +46 (10) 2168551
Apply for job!

Din famtida utmaning

Bakgrund

Avionics Systems är en verksamhet inom den globala flyg- och säkerhetskoncernen Saab. Vi utvecklar och tillverkar kvalificerad elektronik, programvara och mekanik för flygplan, helikoptrar och andra krävande applikationer. De flesta av våra projekt drivs i en internationell miljö och vi levererar bland annat produkter till två av världens största flygplanstillverkare, Airbus och Boeing.

Inom flygindustrin ställer man höga krav på flygsäkerhet och robusthet i alla tekniska system ombord på flygplan. Många produkter inom flyg, kan dra nytta av den nya teknikutvecklingen inom området Machine Learning (ML), men det är viktigt att säkerhet och robusthet vidmakthålls.

En algoritm inom området ML, som är intressant att studera är Deep Neural Networks (DNN). DNN har blivit standardmetoden för att lösa bildbehandlingsuppgifter såsom bildklassificering och objektdetektering eller tal-igenkänning.

Oftast utvecklas, tränas och utvärderas modellerna på GPUer medan själva implementeringen av algoritmerna i de inbyggda systemen kan göras med andra implementeringsformer. Dessa kan vara generell CPU, FPGA, SoC, GPU etc.

Beskrivning av examensarbetet

Examensarbetet går i ett första steg ut på att jämföra olika implementeringsformer ur olika aspekter, t.ex: prestanda, robusthet, determinism, skalbarhet, enkel att ändra, säkerhet. Jämförelsen kan vara både teoretisk och praktisk. Det är även intressant att jämföra hur man kan överföra algoritmer till olika implementationsformer.

  • Kort litteraturstudie av Machine Learning och Deep Neural Network
  • Litteraturstudie av olika former för att implementera ett DNN
  • Implementera och träna ett DNN (t.ex. taligenkänning) på en vald arkitektur
  • Jämföra olika aspekter av hårdvaruimplementeringarna
  • Egna förslag kring ämnet

En tänkbar plattform kan vara STM32F7 discovery kit board

https://developer.arm.com/solutions/machine-learning-on-arm/developer-material/how-to-guides/build-arm-cortex-m-voice-assistant-with-google-tensorflow-lite/getting-started

Den du är idag

Kvalifikationer

Vi söker dig som:

  • studerar till civilingenjör eller högskoleingenjör inom teknisk fysik, elektro, datateknik eller liknande
  • har ett intresse av att arbeta med realtidssystem och Machine Learning
  • läst kurser inom hårdvaru-utveckling

Omfattning

1 - 2 personer. Examensarbetet kan anpassas för antingen Master- (30hp) eller Bachelornivå (15hp)
 

Övrigt

Start sker i  januari 2020 eller enligt överenskommelse. Placeringsort Huskvarna.
 

För mer information kontakta: Torbjörn Månefjord, torbjorn.manefjord@saabgroup.com

Vi jobbar löpande med urval, men sista ansökningsdag är 30/11 - vi ser fram emot din ansökan!

Apply for job!