文献

J-GLOBAL ID：201902283374001011   整理番号：19A1203955

品質構成可能な近似計算のための機械学習の使用【JST・京大機械翻訳】

Using Machine Learning for Quality Configurable Approximate Computing

著者 (3件)： Masadeh Mahmoud (Department of Electrical and Computer Engineering, Concordia University, Montreal, Quebec, Canada) ,  Hasan Osman (Department of Electrical and Computer Engineering, Concordia University, Montreal, Quebec, Canada) ,  Tahar Sofiene (Department of Electrical and Computer Engineering, Concordia University, Montreal, Quebec, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： DATE  ページ： 1575-1578  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： 近似計算(AC)は,誤り耐性応用のための初期エネルギー効率計算パラダイムである。しかしながら,ACの品質管理は,その入力依存性のために非常に困難である。既存の解は,細粒入力依存制御近似を扱うことができない。本論文では,ACの品質管理のための入力認識機械学習に基づくアプローチを提案した。例証目的のために,8ビット近似乗算器の20構成を用いた。これらの設計を可能な入力データのすべての組合せに対して評価した。次に,機械学習アルゴリズムを用いて,実験的に収集した訓練データに基づいて,目標近似応用の品質管理のための予測決定を効率的に行った。提案したアプローチの重要な利点は以下を含む。(1)微粒子入力依存近似,(2)誤った近似機会,(3)ロールバック回復オーバーヘッドがない,(4)エラー耐性成分による任意の近似計算に適用できる,(5)様々な誤差計量の適応における柔軟性。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： 乗算器 ,  予測 ,  *機械学習 ,  *品質 ,  *近似法 ,  学習アルゴリズム ,  品質管理 ,  柔軟性 ,  微粒子 ,  エネルギー効率
準シソーラス用語： オーバヘッド ,  ロールバック ,  訓練データ ,  誤り耐性 ,  *近似計算 , 【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 (2件)： 近似計算 ,  機械学習