文献

J-GLOBAL ID：202002249259549586   整理番号：20A2228050

オンライン学習能力を持つ低電力加速器のスパース超次元計算とイベントベース動的視覚センサの統合【JST・京大機械翻訳】

Integrating event-based dynamic vision sensors with sparse hyperdimensional computing a low-power accelerator with online learning capability

著者 (5件)： Hersche Michael (ETH Zurich, Switzerland) ,  Rella Edoardo Mello (ETH Zurich, Switzerland) ,  Di Mauro Alfio (ETH Zurich, Switzerland) ,  Benini Luca (University of Bologna, Italy and ETH Zurich, Switzerland) ,  Rahimi Abbas (UC Berkeley and ETH Zurich, Switzerland)
資料名： ACM Proceedings  (ACM Proceedings)
号： ISLPED ’20  ページ： 169-174  発行年： 2020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： 回帰のための高次元(HD)空間において,イベント駆動動的視覚センサから抽出した特徴を二値スパース表現に埋め込むことを提案した。この埋込みは,ランダム活性化関数を適用することにより,スパース8160ビットベクトルに対して346×260微分画素にわたって発生するイベントを圧縮する。スパース表現は推論を単純化するだけでなく,同じメモリフットプリントでオンライン学習を可能にする。特に,マルチビットベクトル成分を要求する高密度表現で達成できないオンライン学習の過程にわたって二値ベクトル成分を保持することにより効率的な更新を可能にする。オンライン学習能力を示し,データの25%のみを訓練した初期モデルの推定値と信頼度を用いて,提案手法は,データの残りの75%のモデルを連続的に更新し,グランドトルースラベル上のオラクルモデルで得られた精度と密接に整合した。8コア加速器上に写像するとき,著者らの方法は,他のスパース/高密度代替案と比較して,より低い誤差,待ち時間,およびエネルギーも達成する。さらに,それは,同等の精度で最適化された9層パーセプトロンよりも,9.84×よりエネルギー効率が高く,6.25倍高速であった。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 ,  記憶装置 ,  最適化 ,  ベクトル ,  簡素化 ,  信頼度 ,  微分 ,  画素 ,  待ち時間 ,  高次元 ,  推定量 ,  パーセプトロン
準シソーラス用語： *オンライン学習 ,  オラクル ,  スパース表現 , 【Automatic Indexing@JST】

著者キーワード (4件)： イベントベースカメラ ,  回帰 ,  ロボット工学 ,  スパースHD計算

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (9件)： オンライン ,  学習能力 ,  低電力 ,  加速器 ,  次元 ,  計算 ,  イベント ,  視覚センサ ,  統合