お知らせ 研究会の開催と会場に参加される皆様へのお願い(2022年6月開催~)
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 2021-12-01 10:10
シストリックアレイによる多層パーセプトロンの学習アクセラレータについて
妹尾豪士神宮司明良倉持亮佑中原啓貴東工大VLD2021-23 ICD2021-33 DC2021-29 RECONF2021-31
抄録 (和) ニューラルネットワークは多様な用途で用いられ, ネットワークの攻撃検知のような高速な学習を必要とする需要がある. 誤差逆伝搬による学習をハードウェアで高速化するとき, 誤差逆伝搬でパラメータを更新する計算の依存関係により並列処理が困難である. 学習の推論と誤差逆伝搬を同時に計算できるデータフローアーキテクチャを実現するために, パラメータ更新を遅延させても多層パーセプトロンが正常に学習できることを示した. このハードウェアをXilinx Alveo U50に実装し, Intel Core i9 CPUと比較して3倍高速で11.5倍優れた電力効率を実現しており, またNVIDIA RTX 3090 GPUと比較して2.5倍高速で21.4倍優れた電力効率であることを示した. 
(英) Neural networks are being used in various applications, and the demand for fast training with large amounts of data is emerging. For example, a network intrusion detection~(NID) system needs to be trained in a short period to detect attacks based on large amount of traffic logs. We propose a training accelerator as a systolic array on a Xilinx U50 Alveo FPGA card to solve this problem. We found that the accuracy is almost the same as conventional training even when the forward and backward paths are run simultaneously by delaying the weight update. Compared to the Intel Core i9 CPU and NVIDIA RTX 3090 GPU,
it was three times faster than the CPU and 2.5 times faster than the GPU. The processing speed per power consumption was 11.5 times better than the CPU and 21.4 times better than the GPU. From these results, we can conclude that implementing a training accelerator on FPGAs as a systolic array can achieve
high speed and high energy efficiency.
キーワード (和) ニューラルネットワーク / 多層パーセプトロン / 学習アクセラレータ / 機械学習 / 侵入検知システム / / /  
(英) neural network / multilayer perceptron / training accelerator / machine learning / intrusion detection system / / /  
文献情報 信学技報, vol. 121, no. 280, RECONF2021-31, pp. 37-42, 2021年12月.
資料番号 RECONF2021-31 
発行日 2021-11-24 (VLD, ICD, DC, RECONF) 
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 VLD2021-23 ICD2021-33 DC2021-29 RECONF2021-31

研究会情報
研究会 VLD DC RECONF ICD IPSJ-SLDM  
開催期間 2021-12-01 - 2021-12-02 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) デザインガイア2021 -VLSI設計の新しい大地- 
テーマ(英) Design Gaia 2021 -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 2021-12-VLD-DC-RECONF-ICD-SLDM 
本文の言語 日本語 
タイトル(和) シストリックアレイによる多層パーセプトロンの学習アクセラレータについて 
サブタイトル(和)  
タイトル(英) A Multilayer Perceptron Training Accelerator using Systolic Array 
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) 多層パーセプトロン / multilayer perceptron  
キーワード(3)(和/英) 学習アクセラレータ / training accelerator  
キーワード(4)(和/英) 機械学習 / machine learning  
キーワード(5)(和/英) 侵入検知システム / intrusion detection system  
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) 妹尾 豪士 / Takeshi Senoo / セノオ タケシ
第1著者 所属(和/英) 東京工業大学 (略称: 東工大)
Tokyo Institute of Technology (略称: Toyko Tech)
第2著者 氏名(和/英/ヨミ) 神宮司 明良 / Akira Jinguji / ジングウジ アキラ
第2著者 所属(和/英) 東京工業大学 (略称: 東工大)
Tokyo Institute of Technology (略称: Toyko Tech)
第3著者 氏名(和/英/ヨミ) 倉持 亮佑 / Ryosuke Kuramochi / クラモチ リョウスケ
第3著者 所属(和/英) 東京工業大学 (略称: 東工大)
Tokyo Institute of Technology (略称: Toyko Tech)
第4著者 氏名(和/英/ヨミ) 中原 啓貴 / Hiroki Nakahara / ナカハラ ヒロキ
第4著者 所属(和/英) 東京工業大学 (略称: 東工大)
Tokyo Institute of Technology (略称: Toyko Tech)
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: )
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: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2021-12-01 10:10:00 
発表時間 25分 
申込先研究会 RECONF 
資料番号 VLD2021-23, ICD2021-33, DC2021-29, RECONF2021-31 
巻番号(vol) vol.121 
号番号(no) no.277(VLD), no.278(ICD), no.279(DC), no.280(RECONF) 
ページ範囲 pp.37-42 
ページ数
発行日 2021-11-24 (VLD, ICD, DC, RECONF) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会