BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//TUC//Events//EN
CALSCALE:GREGORIAN
BEGIN:VTIMEZONE
TZID:Europe/Athens
TZNAME:EEST
DTSTART:19700329T030000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0300
TZNAME:EET
DTSTART:19701025T040000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
CREATED:20240927T152414Z
LAST-MODIFIED:20240927T152414Z
DTSTAMP:20261015T232726Z
UID:1792096046@tuc.gr
SUMMARY:Παρουσίαση Διπλωματικής Εργασίας κ. 
 Αλέξανδρου Ανδρέα Σταυρόπουλου - Σχο
 λή ΗΜΜΥ
LOCATION:
DESCRIPTION:https://www.tuc.gr/el/to-polytechnei
 o/ilektronikes-ypiresies/imerologio/
 imerologio-ekdiloseon-1?tx_tucevents
 2_tuceventsdisplay%5Baction%5D=show&
 tx_tucevents2_tuceventsdisplay%5Bcon
 troller%5D=Event&tx_tucevents2_tucev
 entsdisplay%5Bevent%5D=7264&cHash=98
 abef6a43cbea4ffb6aaaff0c07a6ad\nΠΟΛΥ
 ΤΕΧΝΕΙΟ ΚΡΗΤΗΣ\n Σχολή Ηλεκτρολόγων 
 Μηχανικών και Μηχανικών Υπολογιστών\
 n Πρόγραμμα Προπτυχιακών Σπουδών\n Π
 ΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Αλ
 έξανδρου Ανδρέα Σταυρόπουλου\n με θέ
 μα\n Υλοποίηση Πολύπλοκων Εφαρμογών 
 Ψηφιακής Επεξεργασίας Σήματος με χρή
 ση εργαλείων Σύνθεσης σε Υψηλο Επίπε
 δο σε πλατφόρμα VERSAL.\n Implementa
 tion of complex Signal Processing ap
 plications using High Level Synthesi
 s tools on a VERSAL platform.\n Εξετ
 αστική Επιτροπή\n Καθηγητής Απόστολο
 ς Δόλλας (Επιβλέπων)\n Καθηγητής Σωτ
 ήριος Ιωαννίδης\n Καθηγητής Δημήτριο
 ς Σούντρης (Σχολή ΗΜΜΥ, ΕΜΠ)\n Περίλ
 ηψη\n Η αυξανόμενη ζήτηση για αποδοτ
 ικές και κλιμακούμενες αρχιτεκτονικέ
 ς υλικού για την υποστήριξη σύνθετων
  εφαρμογών μηχανικής μάθησης (ΜΜ) κα
 ι επεξεργασίας σήματος έχει οδηγήσει
  στην εξερεύνηση ευέλικτων πλατφορμώ
 ν όπως η πλατφόρμα AMD/Xilinx Versal
  Adaptive Compute Acceleration Platf
 orm (ACAP). Η παρούσα διπλωματική δι
 ερευνά τις επιδόσεις του Versal VCK1
 90, εστιάζοντας στην αρχιτεκτονική τ
 ου Network-on-Chip (NoC) και στις δυ
 νατότητές του για την επιτάχυνση των
  συνελικτικών νευρωνικών δικτύων (ΣΝ
 Δ) και των εργασιών πολλαπλασιασμού 
 πινάκων. Αξιοποιώντας τα περιβάλλοντ
 α ανάπτυξης Vitis και Vitis AI, αναπ
 τύχθηκαν δείκτες αναφοράς για μοντέλ
 α ΣΝΔ και πράξεις πινάκων για την αξ
 ιολόγηση της απόδοσης και της αποδοτ
 ικότητας του NoC. Τα αποτελέσματα κα
 ταδεικνύουν τα πλεονεκτήματα της πλα
 τφόρμας Versal στη διαχείριση φορτίω
 ν εργασίας ΜΜ υψηλής απόδοσης, ενώ π
 αράλληλα αποκαλύπτουν περιοχές όπου 
 οι βελτιστοποιήσεις θα μπορούσαν να 
 βελτιώσουν τις επιδόσεις, ιδίως σε ε
 φαρμογές πραγματικού χρόνου. \n Οι β
 ασικές συνεισφορές αυτής της εργασία
 ς περιλαμβάνουν την ανάπτυξη προσαρμ
 οσμένων δοκιμών για ΣΝΔ και πολλαπλα
 σιασμό πινάκων, ενδελεχή αξιολόγηση 
 της απόδοσης του NoC και ανάλυση επι
 δόσεων με βάση την εξαγωγή συμπερασμ
 άτων σε πραγματικό χρόνο. Τα ευρήματ
 α προσφέρουν πολύτιμες πληροφορίες σ
 χετικά με τις δυνατότητες και τους π
 εριορισμούς της αρχιτεκτονικής Versa
 l για εφαρμογές ετερογενών υπολογιστ
 ών.\n Abstract \n The growing demand
  for efficient and scalable hardware
  architectures to support complex ma
 chine learning (ML) and signal proce
 ssing applications has led to the ex
 ploration of versatile platforms lik
 e the AMD/Xilinx Versal Adaptive Com
 pute Acceleration Platform (ACAP). T
 his thesis investigates the performa
 nce of the Versal VCK190, focusing o
 n its Network-on-Chip (NoC) architec
 ture and its potential for accelerat
 ing convolutional neural networks (C
 NNs) and matrix multiplication tasks
 . By leveraging the Vitis and Vitis 
 AI development environments, benchma
 rks for CNN models and matrix operat
 ions were deployed to evaluate the t
 hroughput and efficiency of the NoC.
  The results demonstrate the strengt
 hs of the Versal platform in managin
 g highperformance AI workloads, whil
 e also revealing areas where optimiz
 ations could improve performance, pa
 rticularly in real-time applications
 . \n Key contributions of this work 
 include the development of custom be
 nchmarks for CNNs and matrix multipl
 ication, a thorough evaluation of No
 C throughput and performance analysi
 s based on real-time AI inference. T
 he findings offer valuable insights 
 into the capabilities and limitation
 s of the Versal architecture for het
 erogeneous computing applications.\n
  Meeting ID: 979 4685 8625\n Passwor
 d: 504662\n
STATUS:CONFIRMED
ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr
DTSTART:20241002T100000
DTEND:20241002T110000
TRANSP:OPAQUE
CLASS:DEFAULT
END:VEVENT
END:VCALENDAR