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。
最近,いくつかの構造化剪定技術が,より少ない数のクロスバーを持つ深層ニューラルネットワーク(DNN)のエネルギー効率の良い実装のために導入されてきた。しかし,これらの技法はクロスバー上のスパースDNNの精度を保存することを主張しているが,不可解なクロスバーの非理想性の影響を,剪定ネットワークの実際の性能に研究していない。この目的のために,著者らは,非常にスパースなDNNが,重要なクロスバー圧縮速度をもたらす,非理想クロスバー上にマッピングされた非ランプルDNNと比較して,厳しい精度損失に導くことができるかを示すために,包括的な研究を行う。ベンチマークデータセット(CIFAR10とCIFAR100)によるVGG11とVGG16 DNNsに関する多重構造化プラニングアプローチ(例えば,C/F剪定,XCSとXRS)による実験を行った。2つの緩和アプローチ,すなわち,Crossbarカラム再配列と重み制約訓練(WCT)を提案し,これは,枝刈りモデルによる精度損失を最小化するために,スパースDNNのクロスバーマッピングと統合できる。これらは,クロスバー上の低コンダクタンスシナプスの割合を増加させることによって非理想性を緩和することを助け,それによってそれらの計算精度を改善する。【JST・京大機械翻訳】