| 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 | 2020-10-29 16:10 誤差逆伝播法を用いたSNNにおける量子化の影響評価 ○渡辺裕美・大久保 潤（埼玉大）  NC2020-14 |
|
| 抄録 | （和） | ニューラルネットワークのパラメータを量子化する研究は多く存在する．例えば学習時に量子化しておく手法もある一方で，学習済みのパラメータを量子化する手法もあり，メモリ削減や実行時間短縮などの利点が得られる.近年，誤差逆伝播法の近似手法の提案などによりスパイキングニューラルネットワーク (SNN) についての研究が進められているが，量子化に関する研究はあまり存在しない.本研究では，誤差逆伝播法を用いてSNNを学習させた後で重みを量子化することがどのように性能に影響するか，数値的に評価を行う. |
| （英） | There are many studies to quantize the parameters of neural networks. For example, while there are methods of quantizing at the time of learning, there are also methods of quantizing learned parameters, which have advantages such as memory reduction and execution time reduction. In recent years, research on spiking neural networks (SNN) has been promoted by proposing approximation methods for the backpropagation. However, there is not much research on quantization. In this study, we numerically evaluate how the quantization of weights affects the performance after training the SNN learned by backpropagation. | |
| キーワード | （和） | 量子化 / 誤差逆伝播法 / ニューラルネットワーク / スパイキングニューラルネットワーク / / / / |
| （英） | Quantization / Backpropagation / Neural Network / Spiking Neural Network(SNN) / / / / | |
| 文献情報 | 信学技報, vol. 120, no. 216, NC2020-14, pp. 29-33, 2020年10月. | |
| 資料番号 | NC2020-14 | |
| 発行日 | 2020-10-22 (NC) | |
| 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 | NC2020-14 |
|
| 研究会情報 | |
| 研究会 | MBE NC NLP CAS |
| 開催期間 | 2020-10-29 - 2020-10-30 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | ME，NC，CAS，NLP，一般 |
| テーマ（英） | ME，NC，CAS，NLP |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2020-10-MBE-NC-NLP-CAS |
| 本文の言語 | 日本語 |
| タイトル（和） | 誤差逆伝播法を用いたSNNにおける量子化の影響評価 |
| サブタイトル（和） | |
| タイトル（英） | Numerical research on effects of quantization in SNN learned by backpropagation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 量子化 / Quantization |
| キーワード(2)（和/英） | 誤差逆伝播法 / Backpropagation |
| キーワード(3)（和/英） | ニューラルネットワーク / Neural Network |
| キーワード(4)（和/英） | スパイキングニューラルネットワーク / Spiking Neural Network(SNN) |
| 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） | 渡辺 裕美 / Yumi Watanabe / ワタナベ ユミ |
| 第1著者 所属（和/英） | 埼玉大学 (略称： 埼玉大) Saitama University (略称： Saitama Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 大久保 潤 / Jun Ohkubo / オオクボ ジュン |
| 第2著者 所属（和/英） | 埼玉大学 (略称： 埼玉大) Saitama University (略称： Saitama Univ.) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-10-29 16:10:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2020-14 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.216 |
| ページ範囲 | pp.29-33 |
| ページ数 | 5 |
| 発行日 | 2020-10-22 (NC) |
[研究会発表申込システムのトップページに戻る]