文献

J-GLOBAL ID：202202279914136512   整理番号：22A0979437

ReckOn:第2長時間スケールでのオンチップ学習を可能にする28nmサブmm2タスク-アグノスティックスパイキングリカレントニューラルネットワークプロセッサ【JST・京大機械翻訳】

ReckOn: A 28nm Sub-mm2 Task-Agnostic Spiking Recurrent Neural Network Processor Enabling On-Chip Learning over Second-Long Timescales

著者 (2件)： Frenkel Charlotte (University of Zurich and ETH Zurich,Zurich,Switzerland) ,  Indiveri Giacomo (University of Zurich and ETH Zurich,Zurich,Switzerland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ISSCC  ページ： 1-3  発行年： 2022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： 実世界で展開された自律推論のみのデバイスのロバスト性は,異なるユーザ,環境,およびタスク要求によって誘発されるデータ分布変化によって制限される。この課題は,それらの標的生態系に常に適応するエッジデバイスの開発を要求する。しかし,従来のニューラルネットワーク訓練アルゴリズムのメモリ要求は,処理されるデータの時間的深さでスケールされ,それは,エッジでの制約された電力と面積の予算と互換性がない。この理由のために,外部メモリのないエンドツーエンドオンチップ学習を示す以前の研究は,画像[1],例えば,モバイルロボット[5]における障害物回避を含む,画像[1],または,瞬時決定のような静的データの処理に限定される。短期から長期の時間的依存性オンチップを学習する能力は,ジェスチャ認識,音声処理,および認知ロボットのようなアプリケーションにおけるロバスト自律エッジデバイスのための欠測可能者である。Copyright 2022 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： 記憶装置 ,  *学習 ,  互換性 ,  電力 ,  ロボット ,  *ニューラルネットワーク ,  音声処理 ,  応用プログラム ,  生態系 ,  ロバスト性 ,  外部記憶装置 ,  学習アルゴリズム
準シソーラス用語： 自律性 ,  *オンチップ ,  ジェスチャー認識 , 【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 (7件)： 長時間 ,  スケール ,  オンチップ ,  学習 ,  サブ ,  タスク ,  スティック