文献

J-GLOBAL ID：202002269105314008   整理番号：20A2321090

費用効果的並行テストによる新興ニューラルネットワーク加速器の健康モニタリング【JST・京大機械翻訳】

Monitoring the Health of Emerging Neural Network Accelerators with Cost-effective Concurrent Test

著者 (5件)： Liu Qi (Lehigh University) ,  Liu Tao (Florida International University) ,  Liu Zihao (Florida International University) ,  Wen Wujie (Lehigh University) ,  Yang Chengmo (University of Delaware)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： DAC  ページ： 1-6  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： ReRAMベースのニューラルネットワーク加速器は,メモリと計算集約的な深層学習作業負荷を扱う有望な解決策である。しかし,それは独特のデバイス誤差に悩まされる。これらの誤差は実行時間中に大量のレベルに蓄積し,顕著な精度低下を引き起こす。適切な修理機構を適用する前に,リアルタイムでその故障状態を得ることが重要である。しかし,このような統計的情報を較正することは,多数の試験パターン,長い試験時間,および複雑な誤差が百万から振動の重みパラメータに現れることを考慮して,高い試験範囲の必要性のために,自明でない。本論文では,ニューラルネットワークモデルの意思決定を著しく混乱させ,訓練アルゴリズムだけでなく,異なるレベルの誤差蓄積と精度損失に敏感であるように調整したテストパターンの小さな集合のみを生成するために,コマーデータの概念を利用した。実験結果は,著者らの方式が,実行加速器の故障状態を迅速に正確に報告することができ,検出効率とコストの両方における既存の解決策を凌ぐことを示した。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 ,  記憶装置 ,  意思決定 ,  故障 ,  *ニューラルネットワーク ,  テストパターン ,  検出効率 ,  学習アルゴリズム
準シソーラス用語： 神経回路網モデル ,  *費用対効果 ,  実行時間 ,  実時間 ,  ReRAM ,  深層学習 , 【Automatic Indexing@JST】

分類 (3件)： 符号理論  (ND02030R) ,  専用演算制御装置  (JC04030Y) ,  音声処理  (JE05000E)

タイトルに関連する用語 (6件)： 費用効果 ,  並行 ,  テスト ,  ニューラルネットワーク ,  加速器 ,  モニタリング