文献

J-GLOBAL ID：201802254739006297   整理番号：18A0848805

組込みシステムにおけるFFTベースの深層学習展開【JST・京大機械翻訳】

FFT-based deep learning deployment in embedded systems

著者 (7件)： Lin Sheng (Dept. of Electrical Engineering & Computer Science, Syracuse University, Syracuse, NY, USA) ,  Liu Ning (Dept. of Electrical Engineering & Computer Science, Syracuse University, Syracuse, NY, USA) ,  Nazemi Mahdi (Dept. of Electrical Engineering, University of Southern California, Los Angeles, CA, USA) ,  Li Hongjia (Dept. of Electrical Engineering & Computer Science, Syracuse University, Syracuse, NY, USA) ,  Ding Caiwen (Dept. of Electrical Engineering & Computer Science, Syracuse University, Syracuse, NY, USA) ,  Wang Yanzhi (Dept. of Electrical Engineering & Computer Science, Syracuse University, Syracuse, NY, USA) ,  Pedram Massoud (Dept. of Electrical Engineering, University of Southern California, Los Angeles, CA, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： DATE  ページ： 1045-1050  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： 深い学習は,多くの応用領域,特に画像と音声認識においてそのパワーを提供した。深い学習のバックボーンとして,深いニューラルネットワーク(DNNs)は数百から数千のニューロンを持つ様々なタイプの複数の層から成る。埋め込まれたプラットフォームは,現在,それらの携帯性,汎用性,およびエネルギー効率のために,深い学習展開のために不可欠になっている。DNNsの大きいモデルサイズは,優れた精度を提供しながら,集中的な計算と貯蔵を有する埋め込みプラットフォームを埋め込んだ。研究者は,無視できる精度損失でDNNモデルサイズを減らすことに関して研究した。本研究では,高速Fourier変換(FFT)に基づくDNN訓練と,計算と記憶の両方の漸近的複雑さを低減した埋め込みプラットフォームに適した推論モデルを提案し,既存のアプローチと区別した。著者らは,計算カーネルとしてFFTに基づく訓練と推論アルゴリズムを開発して,異常な処理速度を達成する組込みプラットフォームに関するFFTベースの推論モデルを展開した。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： *学習 ,  ニューロン ,  音声認識 ,  エネルギー効率 ,  基幹回線 ,  ニューラルネットワーク ,  *組込みシステム ,  携帯型 ,  汎用性 ,  画像 ,  アルゴリズム ,  高速Fourier変換
準シソーラス用語： 処理速度 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 組込みシステム ,  FFT ,  深層学習 ,  展開