文献

J-GLOBAL ID：201802223994795567   整理番号：18A2029257

てんかん発作制御のためのオンチップ能動学習による1.9mW SVMプロセッサ【JST・京大機械翻訳】

A 1.9MW SVM Processor with On-Chip Active Learning for Epileptic Seizure Control

著者 (4件)： Huang Shuo-An (National Taiwan University, Taipei, Taiwan) ,  Chang Kai-Chieh (National Taiwan University Hospital, Taipei, Taiwan) ,  Liou Horng-Huei (National Taiwan University, Taipei, Taiwan) ,  Yang Chia-Hsiang (National Taiwan University, Taipei, Taiwan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： VLSI Circuits  ページ： 259-260  発行年： 2018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： 本研究は,発作検出のためのオンチップ能動学習をサポートする最初のサポートベクトルマシン(SVM)プロセッサを提示した。乗算器の交互方向法(ADMM),最小冗長性最大関連性(mRMR),および低ランク近似を利用して,それぞれ99.4%と90.4%の計算量とメモリ蓄積を低減した。ハードウェアの複雑さは再構成可能な処理要素を持つ折り畳みアーキテクチャにより87%低減される。チップは,96.1%の精度で最良の検出性能を達成し,1.9mWで,0.71Sで0.34%の誤警報率を達成した。また,SVM訓練用の高エンドCPUよりも153,310x高いエネルギー効率を達成した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 計算量 ,  冗長性 ,  乗算器 ,  折畳み ,  計算機アーキテクチャ ,  *発作 ,  エネルギー効率 ,  記憶装置 ,  *演算プロセッサ ,  サポートベクトルマシン ,  ハードウェア
準シソーラス用語： 再構成可能性 ,  能動学習 ,  *オンチップ ,  *てんかん性発作 , 【Automatic Indexing@JST】

分類 (4件)： 符号理論  (ND02030R) ,  専用演算制御装置  (JC04030Y) ,  図形・画像処理一般  (JE04010I) ,  音声処理  (JE05000E)

タイトルに関連する用語 (5件)： てんかん発作 ,  オンチップ ,  能動学習 ,  SVM ,  プロセッサ