文献

J-GLOBAL ID：201702270314588518   整理番号：17A0756217

投機的マルチコア上での並列逆伝搬ニューラルネットワーク【Powered by NICT】

Parallelizing Back Propagation Neural Network on Speculative Multicores

著者 (5件)： Wang Yaobin ,  An Hong ,  Liu Zhiqin ,  Liu Tao ,  Zhao Dongmei
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICPADS  ページ： 902-907  発行年： 2016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： 応用は典型的には加速器に依存して非常に異なる性能特性を示した。逆伝搬ニューラルネットワーク(BPNN)を異なるプラットフォームへの並列化した。しかし,投機的マルチコアアーキテクチャ上での完全に探索されていない。本論文では,投機的マルチコアアーキテクチャ上での並列化BPNNの研究,投機的実行モデル,ハードウェア設計とプログラミングモデルを含めて提示した。実装は七つの良く知られたベンチマークデータセットを用いて分析した。さらに,来るべき投機的マルチコアアーキテクチャにおけるいくつかの重要な設計因子をした。実験結果は以下のことを示した:(1)BPNNは,投機的マルチコアプラットフォーム上でよく機能した。より優しいプログラム可能性を提供するが,グラフィックスプロセッサ(GPU)と比較して同様の高速化(17.7×57.4まで)を達成することができる。(2)64コアの計算資源を効率的に使用することができ,4Kをモデルに適切な投機的緩衝容量である。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： 高速化 ,  加速器 ,  *ハードウェア設計
準シソーラス用語： 計算資源 ,  GPU【プロセッサ】 ,  プログラミングモデル ,  投機実行 ,  マルチコアアーキテクチャ ,  性能特性 ,  *逆伝播ニューラルネットワーク ,  *マルチコアプロセッサ , 【Automatic Indexing@JST】

分類 (2件)： 医用画像処理  (JE04020T) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： 投機 ,  マルチコア ,  逆伝搬ニューラルネットワーク