文献

J-GLOBAL ID：202002264077291922   整理番号：20A0965694

低電力消費デバイスにおけるデータ量子化によるニューラルネットワークの評価【JST・京大機械翻訳】

Evaluation of neural networks with data quantization in low power consumption devices

著者 (5件)： Torres-Valverde Lenin (Costa Rica Institute of Technology,Cartago,Costa Rica) ,  Imamoglu Nevrez (National Institute of Advanced Industrial Science and Technology (AIST),Tokyo,Japan) ,  Gonzalez-Torres Antonio (Costa Rica Institute of Technology,Cartago,Costa Rica) ,  Kouyama Toru (National Institute of Advanced Industrial Science and Technology (AIST),Tokyo,Japan) ,  Kanemura Atsunori (LeapMind Inc.,Tokyo,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： LASCAS  ページ： 1-4  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： 画像認識は,従来のニューラルネットワーク(CNN)と呼ばれる特別なタイプのニューラルネットワークを用いて行われる。なお,一般的に,任意のニューラルネットワークは,高価で非常に高い電力消費を必要とする強力な計算資源を必要とする。画像処理と認識のためのCNNを訓練し,実行するために,最良の低消費電力消費装置と構成パラメータを決定することが課題である。これらのデバイスは,計算機と同じ能力を持たず,CNNアルゴリズムの設計と実装は,結果の性能と精度に影響することなく,それらのサイズと計算時間を低減するために適応されるべきである。したがって,本研究は,異なるデータ量子化によって4つのCNNモデルを評価して,それらの精度,処理,メモリ利用,モデル複雑性,および様々な計算能力を有する4つの異なる低電力ハードウェアプラットフォームにおける推論時間をチェックした。結果は,分類タスクにおける各々のニューラルネットワークによって得られた効率がモデル複雑性が増加するにつれて増加することを示した。しかし,モデルの減少は精度に影響を及ぼすことなく許容できる結果を生み出すこともできた。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： 記憶装置 ,  *量子化 ,  *電力消費 ,  *ニューラルネットワーク ,  画像処理 ,  計算機械 ,  画像認識 ,  複雑性 ,  アルゴリズム設計
準シソーラス用語： 低電力化 ,  計算資源 , 【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 (4件)： 低電力消費 ,  量子化 ,  ニューラルネットワーク ,  評価