| 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 | 2020-01-24 16:10 26-bit 400-neuron 0.3-ksps レザバーコンピューティング向けFORCE学習FPGAコア ○南川滉瑛・鈴木駿也・赤井 恵・浅井哲也（北大）  NLP2019-98 |
|
| 抄録 | （和） | レザーバーコンピューティング(Reservoir computing:RC)は複雑な時系列データの予測が可能なリカ レントニューラルネットワーク(Recurrent Neural Network:RNN)の一種である。リザーバーコンピューティング は学習部分が出力層の重みだけのため RNN と比較して計算量も少なく、小さい電力での学習が期待される。リザー バーコンピューティングを学習するためには逆行列演算が必要不可欠であるが、逆行列演算はハードウェア実装の面 において電力的にもリソース的にもコストが大きい。一方で、Sussillo and Abbott が提案した FORCE 学習法を用い ることで逆行列演算に相当する行列演算を行うだけで学習計算が可能になる。本研究では、FORCE 学習を用いて低 消費電力で駆動するリザーバーコンピューティングを学習するための専用のアーキテクチャを FPGA を用いて実装す る。なるべく安価な FPGA での動作、すなわち加算器などを含んだロジックエレメント、レジスタ、乗算器の数がで きる限り少なくなることを目標としアーキテクチャの設計を行った。実際にボードの作成を行い、精度や消費電力の 観点から評価を行った。 |
| （英） | Reservoir Computing (RC) is a type of Recurrent Neural Network (RNN) and are used for processing time series. Since the learning part is only the weight of the output layer and the amount of calculation is smaller than that of the RNN, the reservoir computing is expected to learn with low power. Inverse matrix is required to learn in an RC, and numerous resources are required to implement the hardware. However, by using FORCE learning [1], calculations can be performed only with matrix operation without using inverse matrix operation. In this study, we implement a dedicated architecture for learning reservoir computing that drives with low power consumption using FORCE learning with FPGA. We designed the architecture to operate on the cheapest possible FPGA. The board was actually created and evaluated from the viewpoint of accuracy and power consumption. |
|
| キーワード | （和） | ニューラルネットワーク / レザバーコンピューティング / FPGA / 省電力 / / / / |
| （英） | Neural Network / Reservoir Computing / FPGA / Power saving / / / / | |
| 文献情報 | 信学技報, vol. 119, no. 381, NLP2019-98, pp. 67-72, 2020年1月. | |
| 資料番号 | NLP2019-98 | |
| 発行日 | 2020-01-16 (NLP) | |
| ISSN | Print edition: ISSN 0913-5685 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 | NLP2019-98 |
|
| 研究会情報 | |
| 研究会 | NLP NC |
| 開催期間 | 2020-01-23 - 2020-01-25 |
| 開催地（和） | 宮古島マリンターミナル |
| 開催地（英） | Miyakojima Marine Terminal |
| テーマ（和） | NC, NLP, 一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLP |
| 会議コード | 2020-01-NLP-NC |
| 本文の言語 | 日本語 |
| タイトル（和） | 26-bit 400-neuron 0.3-ksps レザバーコンピューティング向けFORCE学習FPGAコア |
| サブタイトル（和） | |
| タイトル（英） | 26-bit 400-neuron 0.3-ksps FORCE Learning FPGA Core for Reservoir Computing |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ニューラルネットワーク / Neural Network |
| キーワード(2)（和/英） | レザバーコンピューティング / Reservoir Computing |
| キーワード(3)（和/英） | FPGA / FPGA |
| キーワード(4)（和/英） | 省電力 / Power saving |
| 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） | 南川 滉瑛 / koyo Minamikawa / ミナミカワ コウヨウ |
| 第1著者 所属（和/英） | 北海道大学 (略称： 北大) Hokkaido University (略称： Hokkaido Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 鈴木 駿也 / Shunya Suzuki / スズキ シュンヤ |
| 第2著者 所属（和/英） | 北海道大学 (略称： 北大) Hokkaido University (略称： Hokkaido Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 赤井 恵 / Megumi Akai-Kasaya / アカイ メグミ |
| 第3著者 所属（和/英） | 北海道大学 (略称： 北大) Hokkaido University (略称： Hokkaido Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 浅井 哲也 / Tetsuya asai / アサイ テツヤ |
| 第4著者 所属（和/英） | 北海道大学 (略称： 北大) Hokkaido University (略称： Hokkaido Univ.) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-01-24 16:10:00 |
| 発表時間 | 20分 |
| 申込先研究会 | NLP |
| 資料番号 | NLP2019-98 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.381 |
| ページ範囲 | pp.67-72 |
| ページ数 | 6 |
| 発行日 | 2020-01-16 (NLP) |
[研究会発表申込システムのトップページに戻る]