文献

J-GLOBAL ID：201802236473819987   整理番号：18A1236784

再収斂による計算誤りに耐性を持つストカスティック数複製器を用いた活性化関数の実装と評価

著者 (4件)： 石川遼太 (早稲田大 大学院基幹理工学研究科) ,  多和田雅師 (早稲田大 大学院基幹理工学研究科) ,  柳澤政生 (早稲田大 大学院基幹理工学研究科) ,  戸川望 (早稲田大 大学院基幹理工学研究科)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 118  号： 85(MSS2018 1-36)  ページ： 167-172  発行年： 2018年06月07日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ニューラルネットワークなどの機械学習アプリケーションや,画像処理アプリケーションの一部では,ハードウェア実装する際に高い精度の結果を出力することよりも回路面積が小さいことが要求される場合がある。そのようなアプリケーションでは活性化関数が重要な役割を果たしているが,活性化関数が非線形変換関数であるときハードウェア実装した回路面積が大きくなる。一方,概算演算の一種であり回路面積を抑えられる計算手法としてストカスティックコンピューティングによる活性化関数の実装が注目を集めている。本稿では,ストカスティック数複製器を導入し,そのストカスティック数複製器を用いて再収斂パスが存在する活性化関数のストカスティック回路を実装し評価する。従来のフリップフロップによるストカスティック数複製器での回路実装や,有限状態機械によるストカスティック回路実装と比べて,出力結果の誤差を20%以上削減した。また,本稿で実装した回路は従来の2進数で演算する活性化関数回路に比べて回路面積を1/100以下に削減した。(著者抄録)

シソーラス用語： 画像処理 ,  機械学習 ,  ニューラルネットワーク ,  *関数 ,  *高速計算 ,  確率近似 ,  論理回路
準シソーラス用語： *活性化関数 ,  非線形関数 ,  近似計算 ,  確率的近似 ,  算術演算回路

分類 (1件)： その他の計算機  (JC06020B)

引用文献 (16件)：

• B.R. Gains, ′′Stochastic computing,′′ in Proc. Spring Joint Computer Conference, pp.149-156, 1967.
• B.D. Brown and H.C. Card, ′′Stochastic neural computation I: Computational elements,′′ IEEE Transactions on Computing, vol.50, no.9, pp.891-905, 2001.
• V. Canals, A. Morro, A. Oliver, M.L. Alomar, and J.L. Rossell, ′′A new stochastic computing methodology for efficient neural network implementation,′′ IEEE Transactions on Neural Networks and Learning Systems, vol.27, no.3, pp.551-564, 2016.
• P. Li and D.J. Lilja, ′′Using stochastic computing to implement digital image processing algorithms,′′ in Proc. International Conference on Computer Design (ICCD), pp.154- 161, 2011.
• A. Alaghi, C. Li, and J.P. Hayes, ′′Stochastic circuits for real-tirhe image-processing applications,′′ in Proc. Design Automation Conference (DAC), pp.1-6, 2013.

タイトルに関連する用語 (8件)： 収斂 ,  計算 ,  誤り ,  耐性 ,  複製 ,  活性化関数 ,  実装 ,  評価