Login
Ammirabile, Diego Roberto
(2025)
Ottimizzazione di Reti Neurali per EdgeAI su Satelliti: Quantizzazione e Pruning applicata all'astronomia ad alta energia.
[Laurea], Università di Bologna, Corso di Studio in Informatica [L-DM270], Documento ad accesso riservato.
Documenti full-text disponibili:
![[thumbnail of Thesis]](https://amslaurea.unibo.it/style/images/fileicons/application_pdf.png) |
Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato Download (3MB) | Contatta l'autore |
Abstract
L’obiettivo di questa tesi è analizzare la quantizzazione e il pruning come tecniche di ottimizzazione delle reti neurali nel contesto dell’Edge AI. In particolare, si intende esplorare la possibilità di applicare tecniche di deep learning su nanosatelliti e CubeSat, dove il consumo di risorse è limitato. Tali tecniche sono state implementate utilizzando TensorFlow ed operando entro i confini degli strumenti messi a disposizione dal framework. La quantizzazione e il pruning sono stati applicati ad una rete neurale fornita dall'INAF-OAS e utilizzata per risolvere un problema legato all'astronomia gamma.
Abstract
Altri metadati
Statistica sui download
Gestione del documento:
