چکيده
طي سالهاي اخير شبكه هاي عصبي عميق تحولات چشمگيري در حوزههاي مختلفي همچون بينايي
ماشين، پردازش زبان طبيعي و تحليل دادههاي پيچيده رقم زدهاند. بااينحال، دستيابي به اين موفقيتها
مستلزم استفاده از مدلهايي با ميليونها پارامتر و لايههاي متعدد است كه به طور طبيعي نياز به مصرف
بالاي انرژي و منابع محاسباتي را به همراه دارند. اين موضوع بهويژه در كاربردهايي كه بر روي دستگاههاي
هوشمند نهفته و محيطهاي با محدوديت انرژي اجرا ميشوند، چالشي جدي محسوب ميگردد و ضرورت
بهرهگيري از رويكردهاي كارآمد بهمنظور بهينهسازي اين شبكهها را برجسته ميسازد. در اين راستا،
شبكههاي عصبي چند خروجي بهعنوان يكي از راهكارهاي نوين مطرح شدهاند كه ميتوانند با فراهمسازي
مسيرهاي خروج زودهنگام، تعادلي مطلوب ميان دقت و بهرهوري انرژي ايجاد كنند.
اين پژوهش باتوجهبه همين ضرورت، به طراحي و پيادهسازي يك ويژن ترنسفورمر چند خروجي آگاه از
انرژي با قابليت خروج زودهنگام پرداخته است. هدف پژوهش حاضر ارائه چارچوبي براي استنتاج پويا،
انعطافپذير و سازگار با شرايط محدوديت منابع انرژي است. در مدل پيشنهادي، خروجيهاي مياني با
بهرهگيري از استراتژيهاي متنوع وزندهي بهگونهاي طراحي شدهاند كه امكان توقف زودهنگام در صورت
كمبود انرژي فراهم گردد، بيآنكه دقت مدل به طور چشمگيري كاهش يابد. يافتههاي تجربي پژوهش نشان
داد كه اين روش توانسته است ضمن كاهش 28.5درصد از هزينه محاسباتي، با افت دقتي ناچيز، كارايي
بالايي در محيطهاي با محدوديت انرژي و توان محاسباتي ارائه دهد. در مجموع، اين رويكرد ميتواند
بهعنوان راهكاري كارآمد براي ايجاد تعادل ميان دقت و بهرهوري انرژي در كاربردهاي لبهاي مورد استفاده
قرار گيرد.
واژگان كليدي: ويژن ترنسفورمر، محاسبات لبه، برداشت انرژي، استنتاج پويا، شبكه چند خروجي،
سيستمهاي نهفته
