| 講演抄録/キーワード |
| 講演名 |
2018-05-25 15:10
二値化ニューラルネットワークに基づいたハードウェア指向高精度モデルの検討 ○大羽由華・安藤洸太・廣瀨一俊・植吉晃大・植松瞭太・工藤 巧(北大)・黒川圭一(ソシオネクスト)・池辺将之・浅井哲也・本村真人・高前田伸也(北大) RECONF2018-5 |
| 抄録 |
(和) |
近年,深層学習の発展は著しく,畳み込みニューラルネットワーク(CNN: Convolutional Neural Network)のような高い認識精度を達成する学習モデルが注目を集めている.ニューラルネットワークの重み係数と活性を二値(-1/+1)に制限した二値化ニューラルネットワーク(BNN: Binarized Neural Network)は,データ量の削減と演算の軽量化を可能とし,その専用ハードウェアを構成することで計算の大幅な高速化・効率化を実現した.しかし,二値化時の情報量欠落に起因する認識精度の低下は無視できず,実用的でない.そこで本稿では,より高精度なニューラルネットワークモデルを目指し,従来のBNNをベースとしてデータ量・演算量を大きく増やさずに内部の情報量の欠落を抑えた新たなモデルを提案する.評価の結果,従来のBNNよりも少ない計算量で同等以上の精度を達成可能であることを確認した. |
| (英) |
|
| キーワード |
(和) |
二値化ニューラルネットワーク / ネットワークモデル / 深層学習 / キャリー / チャネル / / / |
| (英) |
/ / / / / / / |
| 文献情報 |
信学技報, vol. 118, no. 63, RECONF2018-5, pp. 21-26, 2018年5月. |
| 資料番号 |
RECONF2018-5 |
| 発行日 |
2018-05-17 (RECONF) |
| ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
査読に ついて |
本技術報告は査読を経ていない技術報告であり,推敲を加えられていずれかの場に発表されることがあります. |
| PDFダウンロード |
RECONF2018-5 |