文献

J-GLOBAL ID：201802255413720611   整理番号：18A0195757

畳込みニューラルネットワークを加速するためのFermat数変換の使用【Powered by NICT】

Using Fermat number transform to accelerate convolutional neural network

著者 (3件)： Xu Weihong (Lab of Efficient Architectures for Digital-communication and Signal-processing (LEADS)) ,  You Xiaohu (National Mobile Communications Research Laboratory, Southeast University, Nanjing, China) ,  Zhang Chuan (Lab of Efficient Architectures for Digital-communication and Signal-processing (LEADS))
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ASICON  ページ： 1033-1036  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),画像認識と自然言語処理に重要なブレークスルーを達成した。しかし,CNNは法外な計算量に悩まされている。多くの努力が直接畳込みの計算量を低減する方法を検討した。低乗算複雑性を目指して,Fermat数変換(FNT)に基づく効率的な畳込みアーキテクチャを提案した。FNTアルゴリズムとオーバラップ・付加(OaA)法を示した。セルラニューラルネットワークにおける畳込み計算に対処するために,FNTは二次元(2D)FNTに拡張し,対応する計算方法論を導入した。パイプラインFNT構造もFNTを効率的に実現するため提案した。CNN加速器の全体構造はOaA FNTに基づいて与えた。計算量解析は提案したOaA FNTコンボリューション法を直接畳込みとOaA FFT法と比較して乗算複雑性の5.59×と2.56×を減少させることを示した。もFPGAプラットフォームXilinx Virtex7XC7VX485tの評価を行い,コンボリューションスループットと資源効率(GOP/s/DSP)に関して比較した。提案したアーキテクチャは,最新の設計と比較して,3.05倍以下のDSPを用いた1.41×コンボリューションスループットを達成した。4.29×改善は,資源効率の観点から得られた。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： 画像認識 ,  セルラニューラルネットワーク ,  計算量 ,  *畳込み ,  二次元 ,  FPGA ,  計算機アーキテクチャ ,  計算理論 ,  アルゴリズム ,  乗算 ,  自然言語処理
準シソーラス用語： 資源効率 ,  オーバラップ ,  複雑性 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 畳込みニューラルネットワーク ,  加速