文献

J-GLOBAL ID：202002223639291723   整理番号：20A1101710

マルチコアとGPUアーキテクチャを用いた確率的勾配法の比較【JST・京大機械翻訳】

A Comparison of Stochastic Gradient MCMC using Multi-Core and GPU Architectures

著者 (3件)： Hernandez Sergio (Universidad Cato ́lica del Maule,Laboratorio de Procesamiento de Informacio ́n Geoespacial,Chile) ,  Valdes Jose (Universidad Cato ́lica del Maule,Centro de Innovacio ́n en Ingenieri ́a Aplicada,Chile) ,  Valdenegro Matias (Robotics Innovation Center,German Research Center for Artificial Intelligence,Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： INGELECTRA  ページ： 1-5  発行年： 2020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： 深い学習モデルは,大規模なデータシナリオで伝統的に使用されている。大規模モデルに適合するために十分な訓練データがない場合,移動学習は既存のモデルから学習された特徴を再利用し,新しいタスクのための下位層を再訓練する。Bayes推論技術は,新しいモデルの不確実性を捉えるために用いることができるが,それは高い計算コストで得られる。本論文では,2つの異なるアーキテクチャ,すなわちGPUとマルチコアCPUを用いた確率勾配Markov連鎖モンテカルロ法の実行時間性能を比較した。深い学習のためのGPUの広い利用とは対照的に,現代のCPUアーキテクチャを用いることからの有意な利点がある。Copyright 2020 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： 学習 ,  学習モデル ,  *傾斜法 ,  Bayes推定 ,  再利用 ,  *計算機アーキテクチャ ,  下層
準シソーラス用語： 訓練データ ,  MCMC ,  実行時間 ,  計算コスト ,  *マルチコアプロセッサ ,  確率勾配 , 【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 (5件)： マルチコア ,  GPU ,  アーキテクチャ ,  確率 ,  勾配法