抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
機械学習は多くの研究分野を湛水,電子設計自動化(EDA)を含んでいた。一般則定式化による複雑な問題を解くことができるアルゴリズムの利用可能性は,既存の設計パラダイムを改善への新しい機会を提供する。本研究では,論理回路を操作するための機械学習の利用について調べた。より詳しくいえば,ここでは,コア表現の代表的なサブセットによりモデリング一般的Boole関数のためのツール,活性化カーネルと呼ぶものをとして分類と回帰ツリー(CART)の利用を想定した。オープンソースベンチマークのサブセット上で行った実験は,CARTは高精度(平均89%)と全Boole関数をカバーする活性化カーネルを同定できることを示した。他の性能指数を定量化するために,そのような活性化穀粒の物理的実装を提供した。結果から,得られた回路は古典的な論理合成フロー(平均16倍少ないデバイス)を通して合成した標準セルベース回路よりも驚くほど小さいことを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】