Optymalizacja treningu i wnioskowania sieci neuronowych

Sieci neuronowe sa jedną z najpopularniejszych i najszybciej rozwijających się dziedzin sztucznej inteligencji. Ich praktyczne wykorzystanie umożliwiło szersze użyciekomputerów w wielu obszarach komunikacji, przemysłu i transportu [1]. Dowody tego są widoczne w elektronice użytkowej, medycynie, a anawet w zastosowaniach militarnych [2]. Wykorzystanie sztucznej inteligencji w wielu przypadkach wymaga jednak znacznej mocy obliczeniowej, co stanowi problem zarówno przy opracowywaniu, jak i testowaniu nowo wdrażanych rozwiązań. Jednym z coraz szerzej badanych aspektówtego problemu jest ograniczenie dokładności obliczeń wykonywanych w ramach treningu oraz wnioskowania sieci neuronowych [3].

---

Neural networks are one of the most popular and fastest developing areas of artificial intelligence. Practical use of this technology enabledwidercomputer appliance in various fieldsof communication, industry and transportation [1]. Signs of such situation can be observed in developmentof modern electronicdevices, medicine andmilitary [2]. Most of the times, application of artificial intelligence requires significant computational power, which creates a problem when it comes to designing or testing of new projects. One of the major research areas related to this subject is focusedon limitingthe precision of mathematical operations required during training and inference of neural networks [3].