文献

J-GLOBAL ID：201702228590738167   整理番号：17A1732706

音声認識における音響スコアリングのための超低電力ハードウェアアクセラレータ【Powered by NICT】

An Ultra Low-Power Hardware Accelerator for Acoustic Scoring in Speech Recognition

著者 (4件)： Tabani Hamid ,  Arnau Jose-Maria ,  Tubella Jordi ,  Gonzalez Antonio
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： PACT  ページ： 41-52  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： 正確で実時間自動音声認識(ASR)は,高エネルギーコストになるので,精度はしばしば移動システムの厳密な電力制約に適合するために犠牲にされなければならない。しかし,精度はエンドユーザのために非常に重要であり,今日のシステムはまだ多くの応用のための良い結果が得られない。ASRシステムの最も重要な成分は,音響スコアリングであり,システムの精度に大きな影響を与え,実行時間の大部分を取り上げた。ASRシステムの大部分は,Gauss混合モデル(GMM)による音響スコアリングを実装し,音響スコアは多次元ガウス分布を評価することによって得られる。本論文では,CPUおよびGPUに基づく解と比較して三桁の大きさで音響スコアリングに必要なエネルギーを減少させることをGMM評価用のハードウェア・アクセラレータを提案した。加速器はGauss関数は,オンデマンド計算する遅延評価方式を実装し,計算の50%を回避した。さらに,音響モデル,精度にほとんど影響を8Xメモリ帯域幅節約をもたらすのサイズを低減するための新しいクラスタリング方式を採用している。最後に,浮動小数点演算の74.88%を回避する新しいメモスキームを含んでいる。最新のモバイルCPU上で動作する高度に調整された実装と比較した場合,エンド設計は164倍の高速化と3532Xエネルギー削減を提供する。最新式モバイルGPUと比較して,GMM加速器は高度に最適化されたCUDA実装に比べて5.89倍の高速化を達成し,一方,241Xによるエネルギーを減少させた。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： 携帯電話 ,  *音声認識 ,  帯域幅 ,  高速化 ,  クラスタ化 ,  加速器 ,  正規分布 ,  *音響 ,  最適化 ,  *ハードウェア
準シソーラス用語： *アクセラレータ ,  *スコア ,  Gauss混合モデル ,  自動音声認識 ,  *スコア化 , 【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 (5件)： 音声認識 ,  音響 ,  スコアリング ,  低電力 ,  ハードウェアアクセラレータ