文献

J-GLOBAL ID：202002215439241647   整理番号：20A1868205

低精度ニューラルアクセラレータのためのシミュレーション-ハードウェアトレーニングの正確な二値化ニューラルネットワーク【JST・京大機械翻訳】

Simulate-the-hardware training accurate binarized neural networks for low-precision neural accelerators

著者 (5件)： Li Jiajun (Chinese Academy of Sciences, Beijing, P.R. China and University of Chinese Academy of Sciences, Beijing, P.R. China) ,  Wang Ying (Chinese Academy of Sciences, Beijing, P.R. China) ,  Liu Bosheng (Chinese Academy of Sciences, Beijing, P.R. China and University of Chinese Academy of Sciences, Beijing, P.R. China) ,  Han Yinhe (Chinese Academy of Sciences, Beijing, P.R. China) ,  Li Xiaowei (Chinese Academy of Sciences, Beijing, P.R. China and University of Chinese Academy of Sciences, Beijing, P.R. China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ASPDAC ’19  ページ： 323-328  発行年： 2019年 
JST資料番号： D0698C  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： 本研究では,特殊化した低精度神経加速器のための二値化ニューラルネットワーク(BNN)を効果的に訓練する方法を検討した。固定点特徴データ表現と二値パラメータを採用する特殊化した神経加速器にBNNを写像するとき,短い固定点符号化によって発生する操作オーバフローのために,CPU/GPUに関する深い学習フレームワークからのBNN推論結果は,加速器からのそれらと矛盾するであろう。この課題は,訓練環境と推論実装の間の大きな偏差をもたらし,加速器に展開するとき,潜在的モデル精度損失を引き起こす。したがって,オーバフロー現象を含む一連の方法を提示し,特殊化された神経加速器上で高精度と収束速度で動作できるBNNを効果的に訓練するためのTensorflowのような典型的な深層学習フレームワークを可能にした。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： 加速器 ,  *シミュレーション ,  学習 ,  *ニューラルネットワーク ,  オーバフロー
準シソーラス用語： 収束速度 ,  高精度 ,  *二値化 ,  モデル精度 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 二値化ニューラルネットワーク ,  含有 ,  オーバーフロー ,  シミュレーション

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： シミュレーション ,  ハードウェア ,  トレーニング ,  二値化 ,  ニューラルネットワーク