文献

J-GLOBAL ID：201702265219452958   整理番号：17A0417557

14.5エンビジョン:28nm FDSOIにおけるAl-0.26へ10TOPS/W部分語並列動的電圧精度周波数スケーラブル畳込みニューラルネットワークプロセッサ【Powered by NICT】

14.5 Envision: A 0.26-to-10TOPS/W subword-parallel dynamic-voltage-accuracy-frequency-scalable Convolutional Neural Network processor in 28nm FDSOI

著者 (4件)： Moons Bert (KU Leuven, Belgium) ,  Uytterhoeven Roel (KU Leuven, Belgium) ,  Dehaene Wim (KU Leuven, Belgium) ,  Verhelst Marian (KU Leuven, Belgium)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISSCC  ページ： 246-247  発行年： 2017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： 畳込みニューラルネットワーク(CNN),ConvNets(畳み込みニューラルネットワーク)は,最新の分類アルゴリズムは,視覚認識[1]における近ヒューマンパフォーマンスを達成した。拡張現実感のような新しい傾向は,ウェアラブルデバイスにおける常時視覚処理を必要とする。しかし,畳込み計算の実質的なデータ移動と十億を必要とするので高い認識率を達成する先進ConvNets(畳み込みニューラルネットワーク)は,エネルギーの観点からも高価である。今日,最新式モバイルGPUとConvNet加速器ASIC[2][3]はわずか10のいくつかの100年代にかけてGOPS/Wの電力効率,常時接続用途の要件以下の大きさの1桁を実証した。本論文では,階層的認識処理の概念,EnVisionプラットフォームを紹介した:エネルギースケーラブルConvNetプロセッサは10TOPS/Wまでの効率を達成する,認識率とスループットを維持した。Envision,ウェアラブルデバイスにおける常時視覚認識を可能にした。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *ニューラルネットワーク ,  電力効率 ,  複合現実感 ,  携帯電話 ,  *演算プロセッサ ,  加速器 ,  視認 ,  スループット ,  *畳込み ,  ASIC ,  ヒューマンパフォーマンス ,  拡張現実感
準シソーラス用語： 認識率 ,  視覚情報処理 ,  ウェアラブルデバイス ,  分類アルゴリズム , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： ビジョン ,  FDSOI ,  Al ,  畳込みニューラルネットワーク ,  プロセッサ