文献

J-GLOBAL ID：201902245413428170   整理番号：19A0306462

低電力深層学習のためのMSBベース反転論理を用いた28nm FD-SOIデュアルポートSRAM【JST・京大機械翻訳】

28-nm FD-SOI Dual-Port SRAM with MSB-Based Inversion Logic for Low-Power Deep Learning

著者 (4件)： Mori Haruki (Graduate School of Kobe University, Hyogo, Japan) ,  Izumi Shintaro (Graduate School of Kobe University, Hyogo, Japan) ,  Kawaguchi Hiroshi (Graduate School of Kobe University, Hyogo, Japan) ,  Yoshimoto Masahiko (Graduate School of Kobe University, Hyogo, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICECS  ページ： 161-164  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： 本論文では,画像プロセッサのための新しいMSBベース(最重要ビットベース)反転論理を有する低電力および低エネルギー8TデュアルポートSRAMを提案した。提案したSRAMは実時間および低電力画像処理に適しており,データには統計的相関があり,データビットの再順序付けが利用されている。提案したMSBベースの反転論理は,大多数の論理において付加的なフラッグビットを除去する。入力データにおけるMSB数字は,データを逆にするか否かを判断する。したがって,8ビットの従来の大多数論理のための12.5%の面積オーバーヘッドは劇的に節約される。提案したSRAMの面積オーバーヘッドは,MSBベースのインバージョン論理に対して,単に0.6%である。提案した技術により,1組の画像が読み出されるとき,全エネルギーの14.76%が28nm64kb FD-SOI SRAMで節約できることを検証した。さらに,VGG-F畳込みニューラルネットワーク(CNN)における画像処理が考慮されるとき,節約因子は17.31%まで拡張される。そこでは,読出し操作における304.81fJ/サイクルが達成される。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： 画像処理 ,  *SRAM ,  画像 ,  数字 ,  全エネルギー
準シソーラス用語： 読出し ,  畳込みニューラルネットワーク ,  オーバヘッド ,  入力データ ,  順序づけ ,  実時間 ,  低エネルギー ,  画像プロセッサ ,  *深層学習 ,  *低電力化 , 【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 (9件)： 低電力 ,  深層学習 ,  MSB ,  反転 ,  論理 ,  SOI ,  デュアル ,  ポート ,  SRAM