文献
J-GLOBAL ID:202102248994760633   整理番号:21A0993541

RISC-V命令セットに基づく再構成可能畳込みニューラルネットワーク-加速コプロセッサ【JST・京大機械翻訳】

A Reconfigurable Convolutional Neural Network-Accelerated Coprocessor Based on RISC-V Instruction Set
著者 (5件):
資料名:
巻:号:ページ: 1005  発行年: 2020年 
JST資料番号: U7178A  ISSN: 2079-9292  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: スイス (CHE)  言語: 英語 (EN)
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。
典型的な人工知能アルゴリズムとして,畳み込みニューラルネットワーク(CNN)はモノのインターネット(IoT)システムにおいて広く用いられている。IoTCPUの計算能力を改善するために,本論文はRISC-V命令セットに基づく再構成可能CNN-加速コプロセッサを設計した。先行装置によって設計した加速チェーンの相互接続構造を最適化し,加速器をコプロセッサの形でRISC-VCPUコアに接続した。コプロセッサの対応する命令を設計して,命令コンパイリング環境を確立した。C言語におけるインライン組立を通して,コプロセッサ命令を呼び,コプロセッサ加速ライブラリ機能を確立して,IoTシステムにおける一般的アルゴリズムをコプロセッサに実装した。最後に,コプロセッサの資源消費評価と性能解析をXilinx FPGA上で完成した。評価結果は,再構成可能CNN加速コプロセッサだけが8534LUTSを消費し,総SoCシステムの47.6%を占めることを示した。設計したコプロセッサ命令に基づく畳み込みやプールのような機能を実装するために必要な命令サイクルの数は,標準命令セットの使用よりも良好であり,畳込みの加速比は標準命令セットのそれの6.27倍である。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
半導体集積回路  ,  専用演算制御装置 
引用文献 (19件):
  • Sheth, A.P. Internet of Things to Smart IoT Through Semantic, Cognitive, and Perceptual Computing. IEEE Intell. Syst. 2016, 31, 108-112.
  • Shi, W.S.; Cao, J.; Zhang, Q.; Li, Y.H.; Xu, L.Y. Edge Computing: Vision and Challenges. IEEE Internet Things J. 2016, 3, 637-646.
  • Varghese, B.; Wang, N.; Barbhuiya, S.; Kilpatrick, P.; Nikolopoulos, D.S. Challenges and Opportunities in Edge Computing. In Proceedings of the 2016 IEEE International Conference on Smart Cloud (SmartCloud), New York, NY, USA, 18-20 November 2016.
  • Chua, L.O. CNN: A Paradigm for Complexity; World Scientific: Singapore, 1998.
  • Sainath, T.N.; Kingsbury, B.; Saon, G.; Soltau, H.; Mohamed, A.R.; Dahl, G.; Ramabhadran, B. Deep Convolutional Neural Networks for Large-scale Speech Tasks. Neural Networks 2015, 64, 39-48.
もっと見る

前のページに戻る