文献

J-GLOBAL ID：202002267256696626   整理番号：20A0493587

二値畳込みニューラルネットワークのためのエネルギー効率の良いシストリックパイプラインアーキテクチャ【JST・京大機械翻訳】

An Energy-Efficient Systolic Pipeline Architecture for Binary Convolutional Neural Network

著者 (4件)： Liu Baicheng (School of Microelectronics, University of Science and Technology of China,Hefei,China,230027) ,  Chen Song (School of Microelectronics, University of Science and Technology of China,Hefei,China,230027) ,  Kang Yi (School of Microelectronics, University of Science and Technology of China,Hefei,China,230027) ,  Wu Feng (School of Microelectronics, University of Science and Technology of China,Hefei,China,230027)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ASICON  ページ： 1-4  発行年： 2019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： メモリと計算コストは,モバイル機器におけるConvolutional Neural Network(CNN)の応用を制限する。二値CNN(BCNN)は量子化ニューラルネットワークであり,メモリ要求を低減し,乗算フリー計算を達成することができる。本論文はBCNNに焦点を合わせた。最初に,各浮動数の十分部分を除去することにより,推論精度損失を低減するためのハードウェアに優しいCNNモデルを提案した。第二に,完全にパイプライン化したオンチップBCNNアーキテクチャを提示した。このアーキテクチャは,重み再利用と高スループットを保証する,収縮データフローと中間層パイプラインを持っている。結果は,著者らがPyトーチプラットフォーム上のMNISTデータセットに対して99.04%の推論精度を達成し,ハードウェアアーキテクチャにおいて98.91%を達成することを示した。それは推論精度損失が0.13%にすぎないことを意味した。このモデルのない推論精度損失は0.41%である。さらに,このアーキテクチャは,BCNNを処理しながら,小さい資源使用で,120MHzで23.08k:QFPと353.5GOP/s/Wを達成できる。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： *計算機アーキテクチャ ,  *ニューラルネットワーク ,  再利用 ,  浮動 ,  乗算 ,  ハードウェア ,  量子化 ,  記憶装置 ,  エネルギー効率
準シソーラス用語： 中間層 ,  データフロー ,  ハイスループット ,  オンチップ ,  モバイルデバイス ,  計算コスト , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 二値 ,  畳込みニューラルネットワーク ,  エネルギー効率