文献

J-GLOBAL ID：201602240863863126   整理番号：16A0543975

C言語で高性能人工知能回路づくりに挑戦!ピッタリ!ディープ・ニューラル・ネットワーク×FPGA入門 第1回 FPGAがディープ・ニューラル・ネットワークに向く理由

著者 (1件)： 中原啓貴
資料名： インターフェース  (Interface)
巻： 42  号： 8  ページ： 91-95  発行年： 2016年08月01日 
JST資料番号： L0339A  ISSN： 0387-9569  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 画像認識や音声認識では特徴マップを多層にして構成したディープ・ニューラル・ネットワークが成果を上げており,GPU(Graphics Processing Unit)が多用されている。本論文では,よりコンパクトかつ低消費電力でディープ・ニューラル・ネットワークを実現するために,FPGA(Field Programmable Gate Array)上に専用回路の作成を試みた。まず,脳の神経細胞ニューロンを模擬する回路構成を示し,それを組み合わせたニューラル・ネットワークによって任意の関数を近似できることを説明した。次に,ディープ・ニューラル・ネットワークはニューラル・ネットワークを多層に重ねて合成関数を実現することを説明し,手書き文字認識精度95%以上を持つ画像認識ディープ・ニューラル・ネットワークLeNet-5の構成を示した。具体的には,1)近傍のニューロンにカーネル(重み)を乗算する畳み込み層,2)2×2カーネルに対して平均値を求める平均サンプリング層を2段構成したニューラル・ネットワークと,それを多層に接続した全結合層からなる。1)のカーネルの重みを調整するとノイズ除去や形状抽出の役割を持たせられ,2)で画像のスケールを小さくすることで移動不変性と畳み込み演算の計算量削減に寄与していることを説明した。

シソーラス用語： *ニューラルネットワーク ,  深層構造 ,  *FPGA ,  *専用プロセッサ ,  ニューロン ,  神経回路網 ,  *関数近似 ,  多層構造 ,  重みづけ ,  畳込み ,  計算機アルゴリズム ,  計算量
準シソーラス用語： *ディープ・ニューラル・ネットワーク

分類 (3件)： ニューロコンピュータ  (JC06010Q) ,  専用演算制御装置  (JC04030Y) ,  数値計算  (JE02000J)

タイトルに関連する用語 (4件)： C言語 ,  高性能 ,  人工知能 ,  FPGA