文献

J-GLOBAL ID：201702219432156835   整理番号：17A1570880

機械学習を通した活性化カーネル抽出【Powered by NICT】

Activation-Kernel Extraction through Machine Learning

著者 (2件)： Tenace Valerio ,  Calimera Andrea
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： NGCAS  ページ： 5-8  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： 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】

シソーラス用語： 自動設計 ,  部分集合 ,  定式化 ,  モデリング ,  *機械学習 ,  性能指数 ,  アルゴリズム ,  Boole関数 ,  湛水 ,  論理合成 ,  論理回路
準シソーラス用語： 高精度 ,  CART , 【Automatic Indexing@JST】

分類 (1件)： 分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (3件)： 機械学習 ,  活性化 ,  カーネル