1. Repositorio Digital USFQ
  2. TESIS COLEGIO DE PREGRADO
  3. COLEGIO DE CIENCIAS E INGENIERÍAS (POLI)
  4. Tesis - Ingeniería Eléctrica y Electrónica
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.usfq.edu.ec/handle/23000/14854
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorSánchez, Alberto, dir.-
dc.contributor.authorOña Chuquimarca, Gabriel Sebastian-
dc.date.accessioned2025-11-25T19:42:12Z-
dc.date.available2025-11-25T19:42:12Z-
dc.date.issued2025-05-01-
dc.identifier.citationTesis (Ingeniero en Electrónica), Universidad San Francisco de Quito, Colegio de Ciencias e Ingenierías; Quito, Ecuador, 2025es_ES
dc.identifier.urihttp://repositorio.usfq.edu.ec/handle/23000/14854-
dc.descriptionDeep Neural Network (DNN) accelerators have become a popular approach for introducing heterogeneity in modern computing systems. Their implementations on FPGAs or ASICs often outperform general-purpose architectures such as GPUs and CPUs in terms of energy efficiency and performance. This is especially critical for real-time edge applications, which operate under strict power, latency, and area constraints. However, as AI accelerators become more specialized, ASIC-based designs frequently trade flexibility in parameterization and reconfiguration. We present Dragon AI, a fully scalable spatial and data-width AI engine accelerator IP with integer support and AXI interface compatibility...es_ES
dc.description.abstractLos aceleradores de Redes Neuronales Profundas (DNN) se han convertido en un enfoque popular para introducir heterogeneidad en los sistemas de cómputo modernos. Sus implementaciones en FPGAs o ASICs a menudo superan a las arquitecturas de propósito general, como las GPUs y CPUs, en términos de eficiencia energética y rendimiento. Esto es especialmente crítico para las aplicaciones en tiempo real en el borde, que operan bajo estrictas restricciones de energía, latencia y área. Sin embargo, a medida que los aceleradores de inteligencia artificial (IA) se vuelven más especializados, los diseños basados en ASIC con frecuencia sacrifican flexibilidad en parametrización y reconfiguración...es_ES
dc.format.extent17 h.es_ES
dc.language.isoenes_ES
dc.rightsopenAccesses_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/*
dc.subjectInteligencia artificial - Aceleradores - Tesis y disertaciones académicases_ES
dc.subject.otherTecnologíaes_ES
dc.subject.otherIngeniería electrónicaes_ES
dc.titleDragon AI: A Scalable AXI-Compatible AI Engine IP for Real-Time Edge Inferencees_ES
dc.typebachelorThesises_ES
Aparece en las colecciones: Tesis - Ingeniería Eléctrica y Electrónica

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
320597.pdfTexto completo806.49 kBAdobe PDFVisualizar/Abrir
Mostrar el registro sencillo del ítem


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons