文献

J-GLOBAL ID：201902218661854949   整理番号：19A0010726

データフロー表現と機械学習アクセラレータへの応用

Data Flow Representation and its Applications to Machine Learning Accelerator

著者 (2件)： 中田一紀 (筑波技術大 保健科学) ,  三浦佳二 (関西学院大 理工)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 118  号： 215(RECONF2018 19-33)(Web)  ページ： 73-78 (WEB ONLY)  発行年： 2018年09月10日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 機械学習アルゴリズムのハードウェアアクセラレータの研究が進展している。機械学習ハードウェアを効率的に実装するアプローチとして,データフローグラフによる表現とそれを埋め込むことが重要になりつつある。本研究では,これまでハードウェア実装があまりなされていなかった,(1)位相的データ解析と(2)強化学習について,データフロー表現に着目した実装を試みる。はじめに,先行研究として,機械学習アルゴリズムのデータフロー表現とそれらに対応するハードウェア実装について概観する。次に,ケーススタディとして,位相的データ解析と強化学習のそれぞれのアルゴリズムをデータフローグラフとして表現し,それに基づいた実装について示す。ここでは,データフローをグラフィカルに表現し,かつさまざまな抽象度の演算に応じてHDLを生成するツールとして,MATLAB/SimulinkとHDL Coderを使うことで,効率的に設計できることを示す。(著者抄録)

シソーラス用語： 高速計算 ,  *機械学習 ,  FPGA ,  ハードウェア記述言語 ,  *データフローグラフ ,  シミュレータプログラム ,  強化学習 ,  ハードウェアアクセラレータ ,  Simulink

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (16件)：

• C. Farabet, B. Martini, B. Corda, P. Akselrod, E. Culurciello, and Y. LeCun, Proc. of IEEE Conf. on Computer Vision and Pattern Recognition Workshops, pp. 109-116, 2011.
• M. Abadi et al., “Tensorflow: a system for large-scale machine learning”, In OSDI, ovl. 16, pp. 265-283, 2016.
• E. Azarkhish, D. Rossi, I. Loi, L. Benini, IEEE Trans. on Parallel & Distributed Systems, vol. 29, no. 2, pp. 420-434, 2018.
• I. Biasi, A. Boni, A. Zorat, A, In Proc. IEEE Int. Joint Conf. on Neural Networks, vol. 5, pp. 2867-2872, 2005.
• S. Shao, O. Mencer, W. Luk, IEEE Int. Conf. on Field-Programmable Technology, pp. 197-200, 2016.

タイトルに関連する用語 (5件)： データフロー ,  表現 ,  機械学習 ,  アクセラレータ ,  応用