文献

J-GLOBAL ID：202002266301237394   整理番号：20A1364684

Shenjing:部分和およびスパイクネットワークオンチップを用いた低電力再構成可能ニューロモルフィック加速器【JST・京大機械翻訳】

Shenjing: A low power reconfigurable neuromorphic accelerator with partial-sum and spike networks-on-chip

著者 (4件)： Wang Bo (National University of Singapore,School of Computing) ,  Zhou Jun (National University of Singapore,School of Computing) ,  Wong Weng-Fai (National University of Singapore,School of Computing) ,  Peh Li-Shiuan (National University of Singapore,School of Computing)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： DATE  ページ： 240-245  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： デバイスAIの次の波は,エネルギー効率の良い深層ニューラルネットワークを必要とする。脳に触発されたスパイキングニューラルネットワーク(SNN)は,有望な候補であると同定された。乗算器の必要性で離れていることは,エネルギーを大幅に削減する。オンデバイス応用では,計算に加えて,通信もかなりの量のエネルギーと時間を招く。本論文では,全てのオンチップ通信をソフトウェアに完全に曝す構成可能なSNNアーキテクチャであるShenjingを提案し,低電力で高精度のSNNモデルのソフトウェアマッピングを可能にした。True Northのような以前のSNNアーキテクチャと異なり,Shenjingはマッピングのためのモデル修正と再訓練を必要としない。多層パーセプトロン,畳み込みニューラルネットワーク,および最新の残留ニューラルネットワークのような従来の人工ニューラルネットワーク(ANN)を,Shenjingにうまくマッピングでき,SNNのエネルギー効率を有するANNを実現した。多層パーセプトロンを用いたMNIST推定問題に対して,10のShenjingコアを用いて1.26mWを消費しながら96%の精度を達成した。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： *加速器 ,  乗算器 ,  ニューラルネットワーク ,  通信 ,  ソフトウェア ,  計算機アーキテクチャ ,  多層パーセプトロン ,  エネルギー効率
準シソーラス用語： *オンチップ ,  再構成可能性 ,  高精度 ,  *低電力化 ,  *ネットワークオンチップ ,  ディープニューラルネットワーク ,  畳込みニューラルネットワーク , 【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 (3件)： 低電力 ,  再構成可能 ,  加速器