文献

J-GLOBAL ID：201802226172332887   整理番号：18A1904407

組込みシステム上の深い推論のトレードオフ精度とエネルギー:共設計アプローチ【JST・京大機械翻訳】

Trading-Off Accuracy and Energy of Deep Inference on Embedded Systems: A Co-Design Approach

著者 (5件)： Jayakodi Nitthilan Kannappan ,  Chatterjee Anwesha ,  Choi Wonje ,  Doppa Janardhan Rao ,  Pande Partha Pratim
資料名： IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems  (IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems)
巻： 37  号： 11  ページ： 2881-2893  発行年： 2018年 
JST資料番号： B0142C  ISSN： 0278-0070  CODEN： ITCSDI  資料種別： 逐次刊行物 (A)
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： 深いニューラルネットワークは,画像,ビデオ,および音声を含むデータの異なるモダリティに対して大きな成功を見ている。この成功は,実時間応用のためのモバイルおよび組込みシステムにおけるそれらの展開をもたらした。しかし,埋め込まれたシステム上の深いネットワークを用いて繰り返された推論を行うことは,制約された資源(例えば,エネルギーと計算力)のために大きな課題を引き起こす。これらの課題を解決するために,著者らは,原理的共同設計アプローチを開発した。以前の研究に基づいて,著者らは,予測を行うために複雑さを変化させる分類器を採用することを可能にする,粗から細いネットワーク(C2Fネット)と呼ばれる形式を開発した。著者らは,推論のための精度とエネルギー消費の間の特定のトレードオフのために,C2Fネットを自動的に構成するために,最適化された最適化アルゴリズムを提案した。鍵となるアイデアは,複雑さが入力例の硬度に比例する分類器オンザフライを選択することである。すなわち,簡単な入力のための単純な分類器と困難な入力のための複雑な分類器である。複数の実世界画像分類タスクにおいて,4つの異なるC2F Netアーキテクチャを用いて包括的な実験評価を行った。著者らの結果は,最適化されたC2F Netがベースライン解と比較して精度の損失なしでエネルギー遅延積を27%から60%低減できることを示した。ここで,すべての予測はC2FNetにおける最も複雑な分類器を用いて行われる。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： ネットワーク ,  携帯電話 ,  *組込みシステム ,  基準線 ,  ニューラルネットワーク ,  *エネルギー ,  録画装置 ,  硬度 ,  最適化 ,  画像 ,  計算機アーキテクチャ ,  エネルギー消費
準シソーラス用語： 最適アルゴリズム ,  モダリティ ,  *設計手法 , 【Automatic Indexing@JST】

分類 (2件)： CAD,CAM  (JE10000A) ,  半導体集積回路  (NC03162T)

タイトルに関連する用語 (5件)： 組込みシステム ,  推論 ,  トレードオフ ,  エネルギー ,  設計アプローチ