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。
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】