文献

J-GLOBAL ID：201702217446033292   整理番号：17A1025310

最適インクリメンタルSVM訓練のためのデータフロー設計【Powered by NICT】

Dataflow design for optimal incremental SVM training

著者 (3件)： Shengjia Shao (Department of Computing, Imperial College London, United Kingdom) ,  Mencer Oskar (Department of Computing, Imperial College London, United Kingdom) ,  Luk Wayne (Department of Computing, Imperial College London, United Kingdom)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： FPT  ページ： 197-200  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： 本論文では,サポートベクトルマシン(SVM)の追加学習,Karush-Kuhn-Tucker(KKT)条件を操作することに基づく最適解を生成するための新しい並列アーキテクチャを提案した。バッチ訓練の方法と比較して,訓練データセットが変化する場合に提案アプローチでは,ゼロからの再訓練を回避する。提案したアーキテクチャは,効率的なデータフロー構成を採用した最初のものである。主な新規性は,並列データフロー・アーキテクチャのパラメトリック記述,KKT(Karush-Kuhn-Tucker条件を更新に関与する密線形代数演算のためのカスタマイズ可能な演算ユニットを展開である。提案したアーキテクチャは,オンラインSVM訓練への応用を目標としている。実世界金融データと実験的評価はStratix V FPGA上で実装された著者らのアーキテクチャがコアi7 4770CPU上でLIBSVMに対して顕著な高速化を達成する事を示した。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： カスタム化 ,  FPGA ,  *計算機アーキテクチャ ,  高速化 ,  線形代数 ,  サポートベクトルマシン ,  演算 ,  金融 ,  並列アーキテクチャ ,  最適解 ,  算術論理演算ユニット
準シソーラス用語： オンライン ,  ALU【プロセッサ】 ,  訓練データ ,  インクリメンタル学習 ,  *データフロー , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  レーダ  (ND13010H) ,  計算機網  (JC03000K)

タイトルに関連する用語 (4件)： SVM ,  訓練 ,  データフロー ,  設計