文献

J-GLOBAL ID：202102225979390961   整理番号：21A0151678

精度向上のためのMNNに基づく修正ドロップアウトとマクアウト【JST・京大機械翻訳】

Modified Dropout and Maxout based on the MNN for improving accuracy

著者 (3件)： Wang Chao (Faculty of Electrical Engineering and Computer Science, Ningbo University,Ningbo,China,315211) ,  Zha Xiaojing (Faculty of Electrical Engineering and Computer Science, Ningbo University,Ningbo,China,315211) ,  Xia Yinshui (Faculty of Electrical Engineering and Computer Science, Ningbo University,Ningbo,China,315211)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICSICT  ページ： 1-3  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： メムリスタクロスバーアレイは,マトリックス計算に適した出現アーキテクチャである。メムリスタベースのニューラルネットワーク(MNN)は,ハードウェアの計算における速度とエネルギー効率の問題を扱う。しかしながら,メムリスタによる多くの問題があり,MNNの精度をもたらすメムリスタクロスバーの限られたサイズは,従来のニューラルネットワーク(CNN)より低い。本論文では,MNNの精度を改善するための修正DropoutとMaxoutベースのMNNを提案した。64×128クロスバーの三層メモリスタベースの多層パーセプトロン(MLP)を構築し,MNISTT画像認識を行った。実験結果は,MLPのin-situ訓練がDropoutとMaxoutで96.5%に近い高精度を達成することを証明した。Copyright 2021 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： ニューラルネットワーク ,  *ハードウェア ,  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 ,  画像認識
準シソーラス用語： 高精度 ,  高精度化 ,  メモリスタ , 【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 (2件)： 精度向上 ,  ドロップ