文献

J-GLOBAL ID：201702272275517195   整理番号：17A1921593

分散CNNにおける圧縮と集約による情報転送の最適化

著者 (5件)： 福岡久和 (奈良先端科学技術大学院大) ,  平賀由利亜 (奈良先端科学技術大学院大) ,  三谷剛正 (奈良先端科学技術大学院大) ,  中田尚 (奈良先端科学技術大学院大) ,  中島康彦 (奈良先端科学技術大学院大)
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： 117  号： 314(CPSY2017 50-59)  ページ： 51-54  発行年： 2017年11月12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： 深層学習の著しい進化により実アプリケーションに組み込まれるようになった現在,処理の中心は潤沢な計算基盤を持つサーバ側に集中している。しかし,消費電力やトラフィック増加により,エッジ側機器で処理するエッジコンピューティングの活用が注目されている。私達はDepp Neural Network(DNN)に対して複数デバイスを用いたモデルパラレル処理を想定し,AlexNetを用いたクラス識別について共通演算の集約による計算量削減の調査を行った。30のDNNを想定した場合,前段ニューラルネットの処理を集約することで,全計算量の90%を削減することができた。(著者抄録)

シソーラス用語： *ニューラルネットワーク ,  *データ転送 ,  機械学習 ,  計算機網 ,  画像圧縮 ,  集中化 ,  画像認識 ,  *最適化
準シソーラス用語： *畳込みニューラルネットワーク ,  深層学習 ,  エッジコンピューティング ,  ディープニューラルネットワーク ,  情報集約

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

引用文献 (9件)：

• O. Russakovsky, J. Deng, H. Su, J. Krause, S. Satheesh, S. Ma, Z. Huang, A. Karpathy, A. Khosla, M. Bernstein, A.C. Berg, and L. Fei-Fei, ′′ImageNet Large Scale Visual Recognition Challenge,′′ International Journal of Computer Vision (IJCV), vol.115, no.3, pp.211-252, 2015.
• Fog computing and the internet of things: Extend the cloud to where the things are. http://www.cisco.com/c/dam/en_us/solutions/trends/iot/docs/computing-overview.pdf.
• Y.C. Hu, M. Patel, D. Sabella, N. Sprecher, and V. Young, ′′Mobile edge computing-a key technology towards 5g,′′ ETSI White Paper, vol.11, no.11, pp.1-16, 2015.
• G. Hinton and R. Salakhutdinov, ′′Reducing the dimen-sionality of data with neural networks,′′ Science, vol.313, no.5786, pp.504-507, 2006.
• P. Agrawal, R.B. Girshick, and J. Malik, ′′Analyzing the performance of multilayer neural networks for object recognition,′′ CoRR, vol.abs/1407.1610, pp.●●-●●, 2014. http://arxiv.org/abs/1407.1610

タイトルに関連する用語 (4件)： CNN ,  集約 ,  転送 ,  最適化