文献

J-GLOBAL ID：201902243634931610   整理番号：19A1998278

ルックアップテーブルに基づくメモリ論理共役システムによる深層学習加速

Deep Learning Acceleration with a Look-Up-Table Based Memory Logic Conjugated System

著者 (5件)： Ogawa Daisuke (Graduate School of Information Science, Meisei University) ,  Ogawa Daisuke (Collaborative Research Center, Meisei University) ,  Sato Yoichi (Collaborative Research Center, Meisei University) ,  Wada Yasutaka (School of Information Science, Meisei University) ,  Otsuka Kanji (Collaborative Research Center, Meisei University)
資料名： Transactions of the Japan Institute of Electronics Packaging (Web)  (Transactions of the Japan Institute of Electronics Packaging (Web))
巻： 12  ページ： E18-008-1-E18-008-7(J-STAGE)  発行年： 2019年 
JST資料番号： U0592A  ISSN： 1884-8028  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 本論文は,IMPACT2015とICEP2018で提示された以前の論文の進展的研究であり,単純な深層学習処理によるMLCS(メモリ論理共役システム)の有効性と適用性を評価した。NVIDIA,Google,富士通Intel-Altera,Intel-NervanaおよびRenesasは,8ビット処理が効率的で柔軟なAI計算を,深層学習において特異的に保つことができることを最近発表した。本論文は,深層学習のために商用FPGA上に実装された実際のMLCS回路について議論し,深層学習のためのパーセプトロン法による回路を評価した。MLCSアーキテクチャでは,メモリ操作として深層学習計算を行うことができる。著者らのアーキテクチャは,動的再構成機能,論理とメモリセルの間の高速接続,および低い実装コストで,その高いI/O帯域幅と低消費電力を達成することができる。(翻訳著者抄録)

シソーラス用語： *ルックアップテーブル ,  *機械学習 ,  *専用プロセッサ ,  人工知能 ,  実装 ,  論理回路 ,  パーセプトロン ,  計算機アーキテクチャ ,  消費電力 ,  プロセッサアーキテクチャ ,  *深層学習 ,  動的再構成プロセッサ
準シソーラス用語： FPGA実装 ,  *メモリ論理共役システム ,  演算回路 ,  低消費電力

著者キーワード (6件)： LUTアーキテクチャ ,  深層学習 ,  シームレスな訓練と推論 ,  高性能 ,  低電力消費 ,  メモリ論理共役システム(MLCS)

分類 (2件)： 専用演算制御装置  (JC04030Y) ,  人工知能  (JE08000Z)

引用文献 (7件)：

• [1] K. Otsuka and Y. Sato, "High Speed, Flexible, Robust and Low Power Processing Approach," Proc. IMPACT-EMAP 2015, No. AS067-1, October 2015.
• [2] K. Otsuka and Y. Sato, "Deep Learning Consideration with Novel Approach," Proc. ICEP 2018, No. TD2-3, April 2018.
• [3] D. Schneider, "Deeper and Cheaper Machine Learning," IEEE Spectrum, pp. 38-39, Jan. 2017.
• [4] K. Sato, C. Young, and D. Patterson, "An in-depth look at Google's first Tensor Processing Unit (TPU)," Google Cloud Big Data and Machine Learning Blog, Friday, May 12, 2017.
• [5] T. Imai, "Power Saving to 1/4 by 8bit," Nikkei NE, pp. 14-15, June 2017.

タイトルに関連する用語 (5件)： ルックアップテーブル ,  論理 ,  共役 ,  深層学習 ,  加速