抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
キーワードスポッティング(KWS)は自動音声認識(ASR)研究分野の一つである。ニューラルネットワークに基づくKWSアルゴリズムは,他のものより著しく優れている。それは,優れた性能を達成するために携帯型ハードウェア装置に展開するためにKWSアルゴリズムに非常に適しているが,しかし,重みの数は限られたハードウェア貯蔵資源のために適用するにはあまりにも大きい。量子化はこのパズルを解くための自然アプローチである。ハードウェア素子上のニューラルネットワークに基づくKWSアルゴリズムを効率的に展開する量子化公式を提案した。本論文では,原点についての重みの対称性を考察し,残差誤差の1ビット量子化の次数と最小化の交互量子化を再構成し,著者らの並進ビット毎ビット多重ビット量子化を提案した。さらに,KWS問題に対する畳込み再帰ニューラルネットワーク(CRNN)に本手法を実装し,二つの観点,二乗平均二乗誤差(RMSE)と精度に関する結果を解析した。量子化重みと完全精度重みの間のより小さいRMSEを得ることができて,それのコストは計算複雑性の増加であるが,しかし,著者らは合理的範囲の中でトレーニング時間を制限するためにあらゆるミニバッチで量子化を実行することができた。著者らの式は,約10.65のメモリ節約によって,3ビット量子化によって許容できる精度を得ることができた。そして,4ビット量子化によって,完全精度と比較して損失精度を得ることができない。著者らの量子化方法は,より良い性能を達成することができて,記憶資源を節約することができて,それは効果的にハードウェア装置に関するニューラルネットワークに基づくKWSアルゴリズムを展開するために使用することができた。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】
