Architecture embarquée

Cours :
Rappels d’électronique numérique.
Rappels d’architectures des composants à architecture programmable (ASIC, FPGA, CPLD).
Méthodologie de développement des circuits numériques.
Synthèse et simulation des circuits et Génération de testbenchs.
Présentation des outils Xilinx HLS, Vivado.
TD : Simulations sous vivado et vivado HLS
TP : Implémentation physique sous cartes Xilinx

Voir la page complète

Cours :
• Bases des systèmes d’exploitation pour les systèmes embarqués
• Gestion des tâches dans un système embarqué
• Codesign Hardware/Software dans un SoC (System on Chip)
• Algorithmes de Répartition des tâches temps réel
• Contraintes des systèmes temps réel embarqué
• Etude des processeurs embarqués (ARM7), la gestion du temps réel dans les systèmes (les interruptions).
TD : Ordonnancement sous contraintes de l’embarqué.
TP : développement d’applications sur un processeur ARM embarqué.

Voir la page complète

Cours :
Chapter I: Background
1. Processing Systems Families
2. Microprocessor, from code to execution
3. FPGA Architecture
4. CMOS Circuit design
4.1. Memories
4.2. Combinational Elements
5. Reliability-related Definitions
Chapter II: Errors & Degradations Mechanisms
1. Aging-related degradation mechanisms
2. Soft Errors
3. Masking Phenomena
4. AVF and reliability models (SER)
5. Fault injection mechanisms
Chapter III: Reliability Enhancement Techniques
1. Reliability Enhancement of SRAM memories
2. Reliability Enhancement of Processing Elements
3. Reliability Enhancement of Multiprocessor System On Chip (MPSoCs)
TD : Reliability assessment of components and devices.
TP : Reliability assessment of a CPU based on fault injection in a simulation platform ( SimpleScalar / Sniper …)

Voir la page complète

Course :
1. Introduction to machine learning
2. Features extract techniques
3. Survey of existing machine learning algorithms (CNN, fast CNN, deep learning, …)
4. Supervised and non supervised intelligent systems.
5. Deep neural networks : training and implementation.
6. Implementation constraints of machine learning on embedded systems
7. Environment Perception for transportation systems: Location and recognition of obstacles by radar/Segmentation and recognition of obstacles by camera
8. Medical imaging
9. Collaboration between Radar Detection and Image Based on Deep Learning
TD : Design of intelligent systems for industrial problems.
TP :
Implementation and training of systems designed in TD using Tensorflow
Implementation of trained applications on an embedded system. 

Voir la page complète