文献

J-GLOBAL ID：201702249408284237   整理番号：17A0058083

CNN加速器設計における有限語長演算の誤差モデル【Powered by NICT】

Error models of finite word length arithmetic in CNN accelerator design

著者 (3件)： Gao Yuan (Department of Computer Science, Lab 4-305, FIT Building, Tsinghua University, Beijing 100084, China) ,  Liu Zhenyu (RIIT & TN List of Tsinghua University, China, Lab 4-305, FIT Building, Tsinghua University, Beijing 100084, China) ,  Wang Dongsheng (RIIT & TN List of Tsinghua University, China, Lab 4-305, FIT Building, Tsinghua University, Beijing 100084, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： VCIP  ページ： 1-4  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 畳込みニューラルネットワーク(CNN)は機械学習アルゴリズムの状態である。CNN加速器実装のために,固定小数点と浮動小数点を二つの代表的な数値表現である。丸めの影響のために,語長を減少させるハードウェアおよび電力オーバヘッドを節約する計算精度を犠牲にすることであった。ニューラルネットワークの固有のロバスト性は,非常に限られた語長を用いた分類精度を維持することを可能にする。CNN加速器設計のための,第一の課題は,最適な算術演算とそれに関連した語長を決定することである。本論文では,CNNの試験段階における固定小数点と浮動小数点演算の有限語長影響を調べ,それぞれ分析誤差モデルを開発した。丸め誤差は,層状コンボリューションの間に蓄積されることを明らかにした。ネットワーク規模の増大と,固定小数点と浮動小数点に必要な語長は増加した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ロバスト性 ,  畳込み ,  ハードウェア ,  ニューラルネットワーク ,  ネットワーク ,  電力 ,  *加速器 ,  浮動小数点演算 ,  学習アルゴリズム ,  *演算
準シソーラス用語： 丸め誤差 ,  解析誤差 ,  分類精度 ,  計算精度 ,  浮動小数点 , 【Automatic Indexing@JST】

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： CNN ,  加速器 ,  設計 ,  誤差 ,  モデル