文献

J-GLOBAL ID：202102288843005754   整理番号：21A0234571

ニューラルネットワークのエネルギー消費の最適化【JST・京大機械翻訳】

Optimizing the Energy Consumption of Neural Networks

著者 (4件)： Steuler Jan Linus (Technische Hochschule Mittelhessen,ITK Engineering GmbH,Frankfurt/Gies&en,Germany) ,  Beck Markus (ITK Engineering GmbH,Frankfurt,Germany) ,  Passow Benjamin N. (ITK Engineering GmbH,Frankfurt,Germany) ,  Guckert Michael (Technische Hochschule Mittelhessen,KITE - Kompetenzzentrum fuer Informationstechnologie,Gies&en,Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SSCI  ページ： 2312-2319  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： 組込みシステムは,限られた量のエネルギーしか持たず,その結果,組込み製品設計には,低コストと低仕様プロセッサを選択する必要がある。しかし,そのようなシステムは,かなりの複雑性のアルゴリズムを実行するソフトウェアアプリケーションの高速応答を必要とする。深層学習モデルは,特に画像における実時間物体認識のような複雑な計算を行うとき,高いエネルギー消費を持つ。エネルギー消費と精度と共に推論時間は最適化基準であり,多目的最適化問題を構成する。著者らは,それらの側面に関して畳込みニューラルネットワークの多重目的最適化を扱うことができる方法論を使用することを提案した。方式は,強化ネットワークアーキテクチャを見つけるために,カスタマイズオペレータによるNSGA-IIIアルゴリズムを使用する。ベンチマークとしてGTSRBデータセットを用いて概念の証明を行った。結果は有望であり,精度と計算努力の間の実際的に関連するトレードオフがここで提示した進化的アプローチで決定できることを示した。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： アルゴリズム ,  *最適化 ,  オペレータ ,  *ニューラルネットワーク ,  物体認識 ,  多重化 ,  応用プログラム ,  ソフトウェア ,  演算プロセッサ ,  ベンチマーク ,  ネットワークアーキテクチャ ,  製品設計 ,  組込みシステム
準シソーラス用語： 深層学習 ,  畳込みニューラルネットワーク , 【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 (3件)： ニューラルネットワーク ,  エネルギー消費 ,  最適化