| 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 | 2024-11-12 14:30 SNNにおける可変タイムステップを適用した効率的な推論手法 ○渡邉直弥・武内良典（近畿大）  VLD2024-29 ICD2024-47 DC2024-51 RECONF2024-59 |
|
| 抄録 | （和） | 人工知能は現在,私生活やビジネスにおいて幅広く普及しており,その活用には膨大な計算量を伴う学習が必要である.通常,学習はGPUなどの高性能コンピューティングを用いて行われるが,これには大量の電力消費が伴うという課題がある.この問題を解決するため,スパイキングニューラルネットワーク（SNN）が注目されている.SNNは生物の神経細胞の働きをより生態模倣度を高めたモデルで,エネルギー効率が高いとされている.しかし,時間領域を扱うため,長時間のシミュレーションが必要であり,これに伴うエネルギー消費も無視できない.そこで本研究では,学習段階で固定されたタイムステップを推論段階で可変にすることで,不要なタイムステップを削減し,推論時間の高速化を図った.事前にSTDP学習則を用いて学習したモデルに適用した結果,認識率が1-2%の低下にとどまる一方で,推論時間を50%-80%まで削減した. |
| （英） | Artificial intelligence is now widely used in private life and business, and its application requires learning that involves a huge amount of computation. Learning is usually performed using high-performance computing such as GPUs, but this involves a large amount of power consumption. To solve this problem, spiking neural networks (SNN) have been attracting attention; SNN are models that more closely mimic the functioning of biological neurons, and they are considered to have high energy efficiency. However, because SNNs deal with the time domain, they require long simulation times, and the associated energy consumption cannot be ignored. Therefore, in this study, the time step fixed in the training phase is made variable in the inference phase to reduce unnecessary time steps and speed up the inference time. When applied to a model previously trained using the STDP learning rule, it was confirmed that the inference time could be reduced by 50%-80% while the recognition rate decreased by only 1-2%. | |
| キーワード | （和） | ニューロン / シナプス / スパイキングニューラルネットワーク / 可変タイムステップ / スパイクタイミング依存可塑性 / MNISTデータセット / / |
| （英） | Neuron / Synapse / Spiking Neural Network / Variable Timesteps / Spike Timing Dependent Plasticity / Mnist Dataset / / | |
| 文献情報 | 信学技報, vol. 124, no. 247, VLD2024-29, pp. 14-19, 2024年11月. | |
| 資料番号 | VLD2024-29 | |
| 発行日 | 2024-11-05 (VLD, ICD, DC, 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 | VLD2024-29 ICD2024-47 DC2024-51 RECONF2024-59 |
|
| 研究会情報 | |
| 研究会 | VLD DC RECONF ICD IPSJ-SLDM |
| 開催期間 | 2024-11-12 - 2024-11-14 |
| 開催地（和） | コンパルホール(大分) |
| 開催地（英） | COMPAL HALL |
| テーマ（和） | デザインガイア2024 -VLSI設計の新しい大地- |
| テーマ（英） | Design Gaia 2024 -New Field of VLSI Design- |
| 講演論文情報の詳細 | |
| 申込み研究会 | VLD |
| 会議コード | 2024-11-VLD-DC-RECONF-ICD-SLDM |
| 本文の言語 | 日本語 |
| タイトル（和） | SNNにおける可変タイムステップを適用した効率的な推論手法 |
| サブタイトル（和） | |
| タイトル（英） | Efficient inference method using adaptive variable time steps in SNN |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ニューロン / Neuron |
| キーワード(2)（和/英） | シナプス / Synapse |
| キーワード(3)（和/英） | スパイキングニューラルネットワーク / Spiking Neural Network |
| キーワード(4)（和/英） | 可変タイムステップ / Variable Timesteps |
| キーワード(5)（和/英） | スパイクタイミング依存可塑性 / Spike Timing Dependent Plasticity |
| キーワード(6)（和/英） | MNISTデータセット / Mnist Dataset |
| 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） | 渡邉 直弥 / Naoya Watanabe / ワタナベ ナオヤ |
| 第1著者 所属（和/英） | 近畿大学大学院 (略称： 近畿大) Kindai University (略称： Kindai) |
| 第2著者 氏名（和/英/ヨミ） | 武内 良典 / Yoshinori Takeuchi / タケウチ ヨシノリ |
| 第2著者 所属（和/英） | 近畿大学 (略称： 近畿大) Kindai University (略称： Kindai) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-11-12 14:30:00 |
| 発表時間 | 25分 |
| 申込先研究会 | VLD |
| 資料番号 | VLD2024-29, ICD2024-47, DC2024-51, RECONF2024-59 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.247(VLD), no.248(ICD), no.249(DC), no.250(RECONF) |
| ページ範囲 | pp.14-19 |
| ページ数 | 6 |
| 発行日 | 2024-11-05 (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]