文献

J-GLOBAL ID：201902215637385030   整理番号：19A1117302

エネルギー効率とパワー間欠性回復力のための畳込みニューラルネットワークのメモリ内処理加速【JST・京大機械翻訳】

Processing-In-Memory Acceleration of Convolutional Neural Networks for Energy-Effciency, and Power-Intermittency Resilience

著者 (4件)： Roohi Arman (Department of Electrical and Computer Engineering, University of Central Florida, Orlando, 32816, USA) ,  Angizi Shaahin (Department of Electrical and Computer Engineering, University of Central Florida, Orlando, 32816, USA) ,  Fan Deliang (Department of Electrical and Computer Engineering, University of Central Florida, Orlando, 32816, USA) ,  DeMara Ronald F (Department of Electrical and Computer Engineering, University of Central Florida, Orlando, 32816, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ISQED  ページ： 8-13  発行年： 2019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： ここでは,Spin-Orbitトルク磁気ランダムアクセスメモリ(SOT-MRAM)計算サブアレイを用いて,ビットごとの畳込みニューラルネットワーク(CNN)インメモリ加速器を実装した。これは,畳込み層内のエネルギー消費を大幅に低減し,MRAM内で完全に様々な低ビット幅CNN推論動作を実行する,新しいAND蓄積法を利用する。また,電力-間欠性弾力性は,計算の前進-進展を維持するために必要な部分的状態情報を保持することによって強化される。それは,バッテリーのないIoTノードのために有利である。シミュレーション結果は,基準設計に匹敵する推論精度を維持しながら,ReRAMに基づく加速度に対する±b5.4×より高いエネルギー効率と9×高速化を示し,最近のCMOSのみのアプローチに比べて約±b9.7×高いエネルギー効率と±b13.5×高速化を示した。Copyright 2019 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： *記憶装置 ,  電力 ,  加速度 ,  エネルギー消費 ,  シミュレーション ,  加速器 ,  弾性 ,  *畳込み ,  トルク ,  *エネルギー効率 ,  高速化 ,  電池
準シソーラス用語： ReRAM ,  モノのインターネット ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： エネルギー効率 ,  パワー ,  間欠性 ,  回復 ,  畳込みニューラルネットワーク ,  加速