| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2019-11-14 10:05 AIエッジコンピューティング向けDNNアクセラレータ ○中原康宏・千竈順太郎・尼崎太樹（熊本大）・趙 謙（九工大）・飯田全広（熊本大）  RECONF2019-38 |
|
| 抄録 | （和） | 画像認識で用いられる人工知能の一種である畳み込みニューラルネットワーク（CNN: Convolutional Neural Network) は，高い精度で画像を認識できるため様々な分野で注目されている．しかし，規模の大きなCNN は 計算コストが高く，消費電力の関係で組込み機器で処理することは難しい．そのため，組込み機器でも低消費電力で CNN を処理するためのAI チップが多く開発されている．これらのAI チップはCNN がもつ畳み込み層，全結合層の どちらかだけを効率よく処理するものが多く，両方を高効率で処理することは難しい．そこで，我々はCNN の両方 の層を効率よく処理可能なAI チップを提案する． |
| （英） | Convolutional Neural Network (CNN), a kind of artificial intelligence for image recognition, is used in various fields because it can recognize images of high accuracy. However, a large-scale CNN has as an high calcula- tion cost, and it is difficult to treat for an embedded device because of power consumption.Many AI chips have been developed to process CNNs with low power consumption in embedded devices. Many of these AI chips efficiently process only convolutional layer or full connected layer, . In this paper, we propose an AI chip that can efficiently process both layers of CNN. |
|
| キーワード | （和） | 深層学習 / 畳み込みニューラルネットワーク / AI チップ / / / / / |
| （英） | DeepLearning / Convolutional Neural Network / AI Chip / / / / / | |
| 文献情報 | 信学技報, vol. 119, no. 287, RECONF2019-38, pp. 15-20, 2019年11月. | |
| 資料番号 | RECONF2019-38 | |
| 発行日 | 2019-11-07 (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) | |
| PDFダウンロード | RECONF2019-38 |
|
| 研究会情報 | |
| 研究会 | VLD DC CPSY RECONF ICD IE IPSJ-SLDM IPSJ-EMB |
| 開催期間 | 2019-11-13 - 2019-11-15 |
| 開催地（和） | 愛媛県男女共同参画センター |
| 開催地（英） | Ehime Prefecture Gender Equality Center |
| テーマ（和） | デザインガイア2019 -VLSI設計の新しい大地- |
| テーマ（英） | Design Gaia 2019 -New Field of VLSI Design- |
| 講演論文情報の詳細 | |
| 申込み研究会 | RECONF |
| 会議コード | 2019-11-VLD-DC-CPSY-RECONF-ICD-IE-SLDM-EMB-ARC |
| 本文の言語 | 日本語 |
| タイトル（和） | AIエッジコンピューティング向けDNNアクセラレータ |
| サブタイトル（和） | |
| タイトル（英） | DNN accelerator for AI edge computing |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深層学習 / DeepLearning |
| キーワード(2)（和/英） | 畳み込みニューラルネットワーク / Convolutional Neural Network |
| キーワード(3)（和/英） | AI チップ / AI Chip |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 中原 康宏 / Yasuhiro Nakahara / ナカハラ ヤスヒロ |
| 第1著者 所属（和/英） | 熊本大学 (略称： 熊本大) Kumamoto University (略称： Kumamoto Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 千竈 順太郎 / Juntaro Chikama / チカマ ジュンタロウ |
| 第2著者 所属（和/英） | 熊本大学 (略称： 熊本大) Kumamoto University (略称： Kumamoto Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 尼崎 太樹 / Motoki Amagasaki / アマガサキ モトキ |
| 第3著者 所属（和/英） | 熊本大学 (略称： 熊本大) Kumamoto University (略称： Kumamoto Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 趙 謙 / Zhao Qian / チョウ ケン |
| 第4著者 所属（和/英） | 九州工業大学 (略称： 九工大) Kyushu Institute of Technology (略称： Kyutech) |
| 第5著者 氏名（和/英/ヨミ） | 飯田 全広 / Masahiro Iida / イイダ マサヒロ |
| 第5著者 所属（和/英） | 熊本大学 (略称： 熊本大) Kumamoto University (略称： Kumamoto Univ.) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-11-14 10:05:00 |
| 発表時間 | 25分 |
| 申込先研究会 | RECONF |
| 資料番号 | RECONF2019-38 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.287 |
| ページ範囲 | pp.15-20 |
| ページ数 | 6 |
| 発行日 | 2019-11-07 (RECONF) |
[研究会発表申込システムのトップページに戻る]