文献

J-GLOBAL ID：201802229051923027   整理番号：18A0587239

効率的な周波数領域CNNアルゴリズム【Powered by NICT】

Efficient frequency domain CNN algorithm

著者 (4件)： Mody Mihir (Automotive Processor Business, Texas Instruments) ,  Ghone Chaitanya (Automotive Processor Business, Texas Instruments) ,  Mathew Manu (Automotive Processor Business, Texas Instruments) ,  Jones Jason (Automotive Processor Business, Texas Instruments)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCE-Asia  ページ： 22-25  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： 畳込みニューラルネットワーク(CNN)のような深層学習技術が広範な用途を持つスパンニング自動車,工業,医学,ロボット工学などの画像分類のための一般的になりつつある。典型的なCNN回路網は2D畳込み,非線形性,空間プーリングと完全に結合した層の多重層からなり,全計算の90%以上を構成する2次元コンボリューションから構成される。畳込みのための高速Fourier変換(FFT)に基づく手法を理論的に有望ではなく,係数貯蔵の記憶サイズの成長のために実際的に使用されている。論文では,2D畳込みを実行するための伝統的なFFTベースアプローチと比較して,メモリサイズ成長を回避する新しい周波数領域アルゴリズムを提案した。提案したアルゴリズムは,PC上でのオフライン計算の代わりに係数のフライ(OTF)のFourier変換(FT)を行った。提案したアルゴリズムは,膨張,OTF FTとせん定ブロック周波数領域における効率的な2次元畳込みを行うことで構成されている。提案したアルゴリズムは,係数形質転換のためのFFTに基づくアルゴリズムと比較した。シミュレーションによれば,典型的なネットワーク構成パラメータを仮定して,提案したアルゴリズムは,係数変換のためのFFTに基づく方法と比べて4~8倍速かった。Copyright 2018 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： 高速Fourier変換 ,  畳込み ,  *周波数領域 ,  非線形性 ,  二次元 ,  Fourier変換 ,  多層 ,  自動車 ,  ネットワークアーキテクチャ ,  *アルゴリズム
準シソーラス用語： 回路網 ,  画像分類 ,  ロボット工学 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： 周波数領域 ,  CNN ,  アルゴリズム