文献

J-GLOBAL ID：202002266664908572   整理番号：20A2264862

深層ニューラルネットワークによる固定点高速Fourier変換ハードウェア実装のためのエンドツーエンド量子化フレームワーク【JST・京大機械翻訳】

An End-to-End Quantization Framework for Fixed Point Fast Fourier Transform Hardware Implementation via Deep Neural Network

著者 (5件)： Cui Wenqian (Shanghai Institute for Advanced Communication and Data Science, Shanghai University, Shanghai) ,  Zhang Shunqing (Shanghai Institute for Advanced Communication and Data Science, Shanghai University, Shanghai) ,  Chen Zhiyong (Shanghai Institute for Advanced Communication and Data Science, Shanghai University, Shanghai) ,  Cao Shan (Shanghai Institute for Advanced Communication and Data Science, Shanghai University, Shanghai) ,  Xu Shugong (Shanghai Institute for Advanced Communication and Data Science, Shanghai University, Shanghai)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICDSP 2020  ページ： 183-187  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： 高速Fourier変換(FFT)は,今日,信号処理において重要な役割を果たす。検出/サンプル情報の量子化問題は最近明らかにされた。本論文では,深層ニューラルネットワーク(DNN)によるエンドツーエンド量子化フレームワークを提案した。信号量子化と量子化のシステムを最適化し,固定点FFT操作の前にこのシステムを適用した。このシステムは信号の特徴を抽出でき,信号処理のハードウェア消費を減らすことができる。多数の実験により,量子化システムのFFT計算誤差が均一量子化の結果よりも小さく,基礎となる理由を解析した。システムの設計は将来の研究に多くの新しいアイデアをもたらす。DNNに基づく量子化システムは,FFT計算だけでなく,他の線形/非線形対称操作でも使用できる。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： 最適化 ,  対称性 ,  *量子化 ,  信号処理 ,  *エンドツーエンド方式 ,  線形性 ,  信号量子化 ,  *ハードウェア ,  *高速Fourier変換 ,  機械学習
準シソーラス用語： *ハードウェア実装 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 高速Fourier変換 ,  量子化 ,  機械学習

分類 (4件)： 信号理論  (ND02020G) ,  音声処理  (JE05000E) ,  聴覚・音声モデル  (EL02070Y) ,  通信方式一般  (ND07010E)

タイトルに関連する用語 (7件)： 深層ニューラルネットワーク ,  固定点 ,  高速Fourier変換 ,  ハードウェア実装 ,  エンドツーエンド ,  量子化 ,  フレームワーク