doctoralThesis
Hardware proposal of evolutionary algorithm for outlier detection in streaming applications
Registro en:
SILVA, Lucileide Medeiros Dantas da. Hardware proposal of evolutionary algorithm for outlier detection in streaming applications. Orientador: Marcelo Augusto Costa Fernandes. 2023. 73f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2023.
Autor
Silva, Lucileide Medeiros Dantas da
Resumen
The amount of data in real-time, such as time series and streaming data, continues to
grow. Analysing this data the moment it arrives can bring immense added value. However,
it also requires much computational effort and new acceleration techniques. As a possible
solution to this problem, we propose a hardware architecture for Typicality and Eccentricity Data Analytic (TEDA) algorithm implemented on Field Programmable Gate Arrays
(FPGA) for data streaming. TEDA is based on a new approach to outlier detection in the
data stream context. The suggested design has a full parallel input of N elements and a
3-stage pipelined architecture to reduce the critical path and thus optimise the throughput.
To validate the proposals, results of the occupation, throughput and power efficiency of
the proposed hardware are presented. Compared to other software platforms, the design
reached a speed of up to 693x, with a throughput of up to 10.96 MSPs (Mega Sample
Per second) with a dynamic power of 16mW. Besides, the bit-accurate simulation results
are also presented for different application scenarios with multiple sensors ranging from
applications in Industry 4.0 environments to the Internet of Medical Things (IoMT). This
work is a pioneer in the hardware implementation of the TEDA technique in specialised hardware. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES A quantidade de dados em tempo real, como séries temporais e dados de streaming,
continua crescendo. Analisar esses dados no momento em que chegam pode trazer um
imenso valor agregado. No entanto, também requer muito esforço computacional e novas
técnicas de aceleração. Como possível solução para este problema, propomos uma arquitetura de hardware para o algoritmo Tipicality and Excentricity Data Analytic (TEDA)
implementado em Field Programmable Gate Arrays (FPGA) para streaming de dados. O
TEDA é baseado em uma nova abordagem para detecção de outliers no contexto do fluxo
de dados. O projeto sugerido tem uma entrada de dados totalmente paralela de N elementos e uma arquitetura de pipeline de 3 estágios para reduzir o caminho crítico e, assim,
otimizar a taxa de transferência. Para validar as propostas, são apresentados resultados de
ocupação, throughput e eficiência energética do hardware proposto. Em comparação com
outras plataformas de software, o projeto atingiu uma velocidade de até 693x, com uma
taxa de transferência de até 10,96 MSPs (Mega Sample Per second) com uma potência
dinâmica de 16mW. Além disso, resultados são apresentados para diferentes cenários de
aplicação com múltiplos sensores, desde aplicações em ambientes da Indústria 4.0 até Internet of Medical Things (IoMT). Este trabalho é pioneiro na implementação em hardware
da técnica TEDA em hardware especializado.