Piattaforme edge per l'utilizzo di reti neurali profonde in ambito internet of things

Lo studio si propone di valutare in maniera approfondita la possibilità di impiegare piattaforme edge nell’esecuzione di reti neurali profonde, focalizzandosi successivamente sul caso applicativo specifico del compressed sensing. Dopo aver valutato diverse proposte commerciali che si adattano al paradigma dell’edge computing (Raspberry Pi 4, Nvidia Jetson Nano, Google Coral, STM32MP157A-DK1, STM32 Nucleo-H743ZI2), è stato possibile analizzare come queste rappresentino, in buona parte, una soluzione concreta alla realizzazione di un sistema di calcolo che faccia uso di reti neurali profonde. Successivamente è stata esaminata la tecnica del compressed sensing, strumento per la compressione di particolari classi di segnali, considerando nel caso specifico segnali ECG. Si è valutata la possibilità di inserire un decoder che faccia uso di reti neurali all’interno delle piattaforme studiate nella prima parte, con esisti in gran parte positivi. In seguito è stata effettuata un’analisi più approfondita dell’algoritmo di ricostruzione, valutando la possibilità di realizzare un predittore che permettesse di riconoscere eventuali anomalie presenti sul segnale. Nel caso specifico è stato considerato il rumore bianco additivo come fonte di anomalia. L’esito positivo dello studio ha fornito al compressed sensing una funzione aggiuntiva, permettendo di rivelare anormalità sul segnale compresso senza utilizzare risorse di calcolo addizionali.