文献

J-GLOBAL ID：202202284719797958   整理番号：22A1101604

より少ない:1次元畳込みリカレントニューラルネットワークを用いたドメイン固有音声認識マイクロプロセッサ【JST・京大機械翻訳】

More is Less: Domain-Specific Speech Recognition Microprocessor Using One-Dimensional Convolutional Recurrent Neural Network

著者 (10件)： Liu Bo (National ASIC System Engineering Center, School of Electronic Science and Engineering, Southeast University, Nanjing, China) ,  Cai Hao (National ASIC System Engineering Center, School of Electronic Science and Engineering, Southeast University, Nanjing, China) ,  Zhang Zilong (National ASIC System Engineering Center, School of Electronic Science and Engineering, Southeast University, Nanjing, China) ,  Ding Xiaoling (National ASIC System Engineering Center, School of Electronic Science and Engineering, Southeast University, Nanjing, China) ,  Wang Ziyu (National ASIC System Engineering Center, School of Electronic Science and Engineering, Southeast University, Nanjing, China) ,  Gong Yu (National ASIC System Engineering Center, School of Electronic Science and Engineering, Southeast University, Nanjing, China) ,  Liu Weiqiang (College of Electronic and Information Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Yang Jinjiang (Wuxi Institute of Applied Technology, Tsinghua University, Wuxi, China) ,  Wang Zhen (Nanjing Prochip Electronic Technology Company Ltd., Nanjing, China) ,  Yang Jun (National ASIC System Engineering Center, School of Electronic Science and Engineering, Southeast University, Nanjing, China)
資料名： IEEE Transactions on Circuits and Systems 1: Regular Papers  (IEEE Transactions on Circuits and Systems 1: Regular Papers)
巻： 69  号： 4  ページ： 1571-1582  発行年： 2022年 
JST資料番号： C0226B  ISSN： 1549-8328  CODEN： ITCSCH  資料種別： 逐次刊行物 (A)
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： 低電力キーワード認識は数十年間音響信号処理の焦点であった。本研究では,最適化一次元畳込み再帰ニューラルネットワーク(1D-CRNN)に基づくドメイン固有音声認識マイクロプロセッサを検討した。以前のDNNベースのフレームワークと比較して,提案した1D-CRNNは,特徴抽出とキーワード分類の両方を処理することができて,広い範囲バックグラウンドノイズSNRの下で縮小計算操作によって高い認識精度を達成した。エネルギー効率の良い1D-CRNN加速器を,異なる層を動的に再構成し,処理するために実装した。このアクセラレータは,3つの側面で「More」の特性を持っている。1)より複雑な層を有するハイブリッドネットワークははるかにコンパクトであり,より少ない計算を必要とする。2)8ビットに量子化された重み幅はより多くのメモリサイズと乗算エネルギーコストを必要とするが,必要なネットワークニューロンは低減でき,ハードウェア利用は改善できる。3)近似設計法に基づく二重電源によるエネルギー意識自己補償テンソル乗算ユニットを1D-CRNN計算に利用できる。最先端のアーキテクチャと比較して,新しいより無駄なアーキテクチャは,産業22nm技術の下で,1.4Ω≦μW|≦2.1≦μW(80%以上)のはるかに低い電力消費を達成することができ,一方,15リアルタイムキーワード認識のためのより高いシステム適応性(サポートSNR:-5dBClein)を維持した。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： *音声認識 ,  記憶装置 ,  最適化 ,  *畳込み ,  データ処理システム ,  *ネットワーク ,  ニューロン ,  電力消費 ,  *ニューラルネットワーク ,  特徴抽出 ,  近似法 ,  乗算 ,  *一次元 ,  *マイクロプロセッサ ,  計算機アーキテクチャ
準シソーラス用語： アクセラレータ , 【Automatic Indexing@JST】

分類 (2件)： 半導体集積回路  (NC03162T) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 1次元 ,  畳込み ,  リカレントニューラルネットワーク ,  ドメイン ,  固有 ,  音声認識 ,  マイクロプロセッサ