文献

J-GLOBAL ID：202002210978022627   整理番号：20A0777571

共訓練法を用いたエネルギー効率の良い品質保証近似計算フレームワーク【JST・京大機械翻訳】

Energy-Efficient and Quality-Assured Approximate Computing Framework Using a Co-Training Method

著者 (8件)： Jiang Li (Shanghai Jiao Tong University, Shanghai, China) ,  Song Zhuoran (Shanghai Jiao Tong University, Shanghai, China) ,  Song Haiyue (Shanghai Jiao Tong University, Shanghai, China) ,  Xu Chengwen (Shanghai Jiao Tong University, Shanghai, China) ,  Xu Qiang (Chinese University of Hong Kong, Shatin, Hong Kong) ,  Jing Naifeng (Shanghai Jiao Tong University, Shanghai, China) ,  Zhang Weifeng (Alibaba Group, Hangzhou, China) ,  Liang Xiaoyao (Shanghai Jiao Tong University, Shanghai, China)
資料名： ACM Transactions on Design Automation of Electronic System  (ACM Transactions on Design Automation of Electronic System)
巻： 24  号： 6  ページ： 1-25  発行年： 2019年 
JST資料番号： W1161A  ISSN： 1084-4309  資料種別： 逐次刊行物 (A)
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： 近似計算は,元の設計空間に新しい次元誤差を導入する有望な設計パラダイムである。誤り耐性応用における不正確な計算を可能にすることにより,近似計算は性能とエネルギー効率の両方を得ることができる。ニューラルネットワーク(NN)は,理論における普遍的近似器であり,高レベルの並列性を有する。NNベースの近似器で展開された新しい深いニューラルネットワーク加速器は,それにより近似計算のための有望な候補である。それにもかかわらず,近似結果はユーザの要求を満足しなければならず,近似結果は異なる応用を通して変化する。近似品質を保証するためにNNベース分類器を通常展開した。品質要求を満たすために予測された入力のみを近似器によって実行することができた。しかし,これら2つのNNの可能性は完全に探索されている。近似計算における2つのNNの関与は,入力データ空間の2つのNNの異なる視点,2つの相関したNNを訓練する方法,およびそれらのトポロジーのような重要な最適化問題を課す。本論文では,品質保険を持つ新しいNNベースの近似計算フレームワークを提案した。入力空間上の二つのNNの一致を最大化するために,分類器と近似器を交互に訓練する共訓練手法を提案した。各反復において,訓練データの賢明な選択により,2つのNNの訓練を調整した。次に,著者らは異なる選択方針を調査して,複数の反復から訓練データを選択するために提案して,それは近似的加速器の侵入を強化することができた。さらに,動的閾値調整アルゴリズムを統合することにより分類器を最適化し,近似加速器の侵入をさらに改善した。加速器の増加した投資は,同じ品質要求の下でより高いエネルギー効率をもたらす。著者らは,品質要求を達成するために,NNベースの近似器と分類装置の最小トポロジーを調査するために,2つの効率的アルゴリズムを提案した。最初のアルゴリズムはgre欲な戦略を用いて最小トポロジーを直接探索する。しかしながら,最初のアルゴリズムはあまりに多くの訓練オーバーヘッドを招く。この問題を解決するために,第2のものはNNのトポロジーを徐々に成長させて,学習パラメータを移すことによって品質要求に適合させる。実験結果は,既存のNNベースの近似計算フレームワークと比較して,品質とエネルギー効率の著しい改善を示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  アルゴリズム ,  *品質保証 ,  最適化問題 ,  学習 ,  加速器 ,  誤り制御 ,  最適化 ,  エネルギー効率 ,  位相幾何学 ,  *近似法 ,  保険 ,  分類装置
準シソーラス用語： オーバヘッド ,  *近似計算 , 【Automatic Indexing@JST】

著者キーワード (2件)： 近似計算 ,  誤差制御

分類 (2件)： 人工知能  (JE08000Z) ,  脳・神経系モデル  (EL02050C)

タイトルに関連する用語 (5件)： 訓練 ,  エネルギー効率 ,  品質保証 ,  近似計算 ,  フレームワーク