文献

J-GLOBAL ID：201702212413221547   整理番号：17A1257359

二値畳込みニューラルネットワークのための最適化された加速器設計の調査【Powered by NICT】

Exploring optimized accelerator design for binarized convolutional neural networks

著者 (6件)： Ueyoshi Kodai (Hokkaido University, Graduate School of Information Science and Technology, Sapporo, Hokkaido, 060-0814, Japan) ,  Ando Kota (Hokkaido University, Graduate School of Information Science and Technology, Sapporo, Hokkaido, 060-0814, Japan) ,  Orimo Kentaro (Hokkaido University, Graduate School of Information Science and Technology, Sapporo, Hokkaido, 060-0814, Japan) ,  Ikebe Masayuki (Hokkaido University, Graduate School of Information Science and Technology, Sapporo, Hokkaido, 060-0814, Japan) ,  Asai Tetsuya (Hokkaido University, Graduate School of Information Science and Technology, Sapporo, Hokkaido, 060-0814, Japan) ,  Motomura Masato (Hokkaido University, Graduate School of Information Science and Technology, Sapporo, Hokkaido, 060-0814, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 2510-2516  発行年： 2017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,多くの機械学習タスクにおいて有意に高精度を達成できることを最新のモデルである。最近,CNNの実用化の一層の開発に,CNNを加速するための効率的なハードウェアプラットフォームを徹底的に研究した。二値ニューラルネットワークは,大量の資源を消費する,乗算器を最小化精度の低下が少ないと報告されている。本研究では,その論理資源とメモリ帯域幅を考慮したフィールドプログラマブルゲートアレイ(FPGA)上に実装されたCNNの最適性能を解析し,従来のおよび二値セルラニューラルネットワークにおける両穀粒,画素,チャネルのような並列の多重タイプを用いた。その結果,すべての並列性は8.38TOPSの最良の性能を得るために二値ニューラルネットワークに必要であることが明らかとなった。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： 多重化 ,  乗算器 ,  セルラニューラルネットワーク ,  *加速器 ,  記憶装置 ,  *畳込み ,  画素 ,  機械学習 ,  帯域幅 ,  *ニューラルネットワーク ,  チャネル ,  FPGA ,  *最適化 ,  高精度 ,  *改変

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 二値 ,  畳込みニューラルネットワーク ,  最適化 ,  加速器 ,  設計 ,  調査