000			05222namaa22004571i 4500
003			EG-GICUC
005			20260414122740.0
008			260414s2025 ua a|||frm||| 000 0 eng d
040			_aEG-GICUC _beng _cEG-GICUC _dEG-GICUC _erda
041	0		_aeng _beng _bara
049			_aDeposit
082	0	4	_a621.38
092			_a621.38 _221
097			_aPh.D
099			_aCai01.13.08.Ph.D.2025.Sh.F
100	0		_aSherry Heshmat Hareth Korisa, _epreparation.
245	1	0	_aFPGA -based low power hardware acceleration for artificial intelligence (AI) applications / _cby Sherry Heshmat Hareth Korisa ; Supervisors Prof. Dr. Ahmed Hussein Prof. Dr. Khalid Ali Shehata, Prof. Dr. Amin Nassar, Prof. Dr. Mohamed Sameh Said.
246	1	5	_aتنفيذ تطبيقات الذكاء الاصطناعى باستخدام اجهزة منخفضة الطاقة و هى الدوائر القابلة لاعادة البرمجة FPGA
264		0	_c2025.
300			_a158 pages : _billustrations ; _c30 cm. + _eCD.
336			_atext _2rda content
337			_aUnmediated _2rdamedia
338			_avolume _2rdacarrier
502			_aThesis (Ph.D)-Cairo University, 2025.
504			_aBibliography: pages 129-133.
520		3	_aConvolutional Neural Networks (CNNs) lie under the wide umbrella of Deep Neural Networks (DNN) whose applications are widely used for Artificial Intelligence (AI) technologies. For example, the latter are used in robotics and different applications of recognition like speech recognition and autonomous cars. Therefore, the aim of implementing the CNN is to be used in a real time application. Correspondingly, Graphics processing units (GPUs) are used but their worst disadvantage is its high power consumption, which cannot be used in daily used equipment. The target of this thesis is to solve the power consumption problem by using hardware acceleration on the Field Programmable Gate Array (FPGA), which has low power consumption, and flexible architecture. The implementation of CNN object detection model proposes the fixed point (16-bit) implementation of two applications the first is AlexNet, and the second is Tiny- Yolo-v2. Both applications are implemented using the design suite software Vivado 2020.1, provided by Xilinx for synthesis and analysis of HDL designs. Memory hierarchy and row stationary data flow are used to target the reuse of the on chip memory more than off chip ones to lower the power consumption
520		3	_aتندرج الشبكات العصبية الالتفافية )CNN( تحت مظلة واسعة من الشبكات العصبية العميقة )DNN( التي تستخدم تطبيقاتها على نطاق واسع لتقنيات الذكاء الاصطناعي .)AI( على سبيل المثال ، يتم استخدامها في الروبوتات وتطبيقات مختلفة للتعرف مثل التعرف على الكلام والسيارات المستقلة. لذلك ، فإن الهدف من تنفيذ CNN هو استخدامها في تطبيق الوقت الفعلي. نتيجة لذلك ، يتم استخدام وحدات معالجة الرسومات )GPU( ولكن أسوأ عيوبها هو استهلاك الطاقة المرتفع الذي لا يمكن استخدامه في المعدات المستخدمة يوميًا. الهدف من هذه الرسالة هو حل مشكلة استهلاك الطاقة باستخدام الدوائر القابلة لإعادة البرمجة )FPGA( التي تتميز باستهلاك منخفض للطاقة وبنية مرنة. تطبيق CNN لنموذج اكتشاف كائن وتنفيذه بالنقطة الثابتة )16-bit( لتطبيقين ، الأول هو Net ALEX ، والثاني هو .Tiny-Yolo-v2 يتم تنفيذ كلا التطبيقين باستخدام مجموعة برامج Suite Design 2020.1 Vivado التي تنتجها Xilinx لتوليف وتحليل تصاميم HDL و أيضا يتم استخدام التسلسل الهرمي للذاكرة وتدفق البيانات الثابتة للصف لاستهداف إعادة استخدام الذاكرة الموجودة على الرقاقة أكثر من تلك الموجودة خارج الشريحة لتقليل استهلاك الطاقة.
530			_aIssues also as CD.
546			_aText in English and abstract in Arabic & English.
650		0	_aElectronics and Communications Engineering
650		0	_aهندسة الإلكترونيات والاتصالات الكهربية
653		1	_aCNN _aAlexNet _aTiny-YOLO-v2 _aFPGA _aالشبكات العصبية الالتفافية العميقة _aشبكات أليكس العصبية
700	0		_aAhmed Hussein _ethesis advisor.
700	0		_aKhalid Ali Shehata _ethesis advisor.
700	0		_aAmin Nassar _ethesis advisor.
700	0		_aMohamed Sameh Said _ethesis advisor.
900			_b01-01-2025 _cAhmed Hussein _cKhalid Ali Shehata _cAmin Nassar _cMohamed Sameh Said _dHassan Mostafa Hassan Mostafa _dOmar Ahmed Ali Naser _UCairo University _FFaculty of Engineering _DDepartment of Electronics and Communications Engineering
905			_aShimaa
942			_2ddc _cTH _e21 _n0
999			_c179476