抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本研究では,BD-NETと呼ばれる乗算なしの深い畳込みニューラルネットワークを提案した。著者らが知っている限り,BD-NETは,深い畳込みニューラルネットワーク(CNN)における従来の空間コンボリューションの置換におけるドロップとして,二値化されたデdep分離可能なコンボリューションブロックを使用する最初のものである。BD-NETにおいて,計算コストの高いコンボリューション操作(すなわち,乗算と蓄積)は,ハードウェアに優しい付加/減算操作に変換される。本研究では,最初に,精度,パラメータサイズおよび計算コストに関してBD-NETの性能を調査し,解析した。次に,実験結果により,二値化デdep分離可能畳込みによる提案BD-NETは,CIFAR-10データセット上の完全精度の従来のコンボリューション層をもつベースラインCNN対応物に対して,より高い推論精度を達成できることを示した。ハードウェア実装の観点から,BD-NETのコンボリューション層は,計算エネルギー,メモリ使用,およびチップ面積に関して,それぞれ97.2%,88.9%,および99.4%の削減を達成した。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】