文献

J-GLOBAL ID：201702213255483046   整理番号：17A0417559

移動知能のための非一様メモリ階層を用いた270kbオンチップ量貯蔵を備えた14.7A288μWプログラマブル性ディープ学習プロセッサ【Powered by NICT】

14.7 A 288μW programmable deep-learning processor with 270KB on-chip weight storage using non-uniform memory hierarchy for mobile intelligence

著者 (14件)： Bang Suyoung (University of Michigan, Ann Arbor, USA) ,  Wang Jingcheng (University of Michigan, Ann Arbor, USA) ,  Li Ziyun (University of Michigan, Ann Arbor, USA) ,  Gao Cao (University of Michigan, Ann Arbor, USA) ,  Kim Yejoong (University of Michigan, Ann Arbor, USA) ,  Dong Qing (University of Michigan, Ann Arbor, USA) ,  Chen Yen-Po (University of Michigan, Ann Arbor, USA) ,  Fick Laura (University of Michigan, Ann Arbor, USA) ,  Sun Xun (University of Michigan, Ann Arbor, USA) ,  Dreslinski Ron (University of Michigan, Ann Arbor, USA) ,  Mudge Trevor (University of Michigan, Ann Arbor, USA) ,  Kim Hun Seok (University of Michigan, Ann Arbor, USA) ,  Blaauw David (University of Michigan, Ann Arbor, USA) ,  Sylvester Dennis (University of Michigan, Ann Arbor, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISSCC  ページ： 250-251  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： 深層学習は,応用,音声認識,物体検出のような,広範囲の強力なツールであることが証明されている。最近,移動IoT[1]のための深層学習への関心を増加させた端での知能を可能にし,のみ転送意味のあるイベントによるデータの洪水からの雲を遮蔽した。この階層的知能は,エッジ装置でトレードオフ計算と通信による無線帯域幅と電力効率を向上させた。多くのモバイルアプリケーションは,「常時」である(例えば,音声コマンド)ので,低電力は重要な設計制約である。しかし,以前の研究は>50mWを消費する大規模深層ニューラルネットワーク(DNN)用に最適化した高性能再構成可能プロセッサ[2 3]に焦点を当てている。DRAMにおけるオフチップ重み記憶は以前の研究[2 3],集中的なオフチップデータ移動のために重要な付加的電力消費を意味するにも一般的である。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： *演算プロセッサ ,  電力消費 ,  *記憶階層 ,  最適化 ,  電力効率 ,  制約条件 ,  トレードオフ ,  音声認識 ,  深層 ,  帯域幅 ,  *学習 ,  DRAM
準シソーラス用語： モバイルアプリケーション ,  物体検出 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 知能 ,  非一様 ,  メモリ階層 ,  オンチップ ,  貯蔵 ,  学習 ,  プロセッサ