| 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 | 2021-10-14 15:50 ニューラルネットワークとビットワイズニューラルネットワークによる敵対的生成ネットワークの構築 ○松野匠真・ゴーチェ ロヴィック（有明高専）  CAS2021-28 NLP2021-26 |
|
| 抄録 | （和） | 敵対的生成ネットワーク（GAN）は，本物に近い偽物のデータを作り出す生成ネットワークと本物と偽物のデータを見分ける識別ネットワークとがお互いに競い合う人工知能アルゴリズムである．ニューラルネットワークをハードウェアに組み込む研究が近年行われていることから，この GAN を再構成可能なアーキテクチャを持つ組み込みシステム上で構築する方法を検討した．本研究では，通常のニューラルネットワークから出力させた情報をもとに計算の一部を効率的なビット演算に置き換え，高速化を図るビットワイズニューラルネットワークをFPGA 上で構築し，演算時間と学習効率の検証を行った． |
| （英） | Generative Adversarial Network (GAN) is an artificial intelligence algorithm in which a generative network, which produces fake data close to the real data, and a discriminative network, which distinguishes between real data and fake data, compete with each other. Since research has been conducted to embed neural networks in hardware, we investigated how to run this GAN on embedded systems with reconfigurable architecture. We constructed a bitwise neural network on FPGA, in which a part of the computation is replaced by efficient bitwise operations based on the information output from a normal neural network to speed up the process, and we verified the computation time and learning efficiency. | |
| キーワード | （和） | 敵対的生成ネットワーク(GAN) / ビットワイズニューラルネットワーク(BNN) / FPGA / ニューラルネットワーク / Ruby / / / |
| （英） | Generative Adversarial Network (GAN) / Bitwise Neural Network (BNN) / FPGA / Neural Network / Ruby / / / | |
| 文献情報 | 信学技報, vol. 121, no. 196, CAS2021-28, pp. 62-67, 2021年10月. | |
| 資料番号 | CAS2021-28 | |
| 発行日 | 2021-10-07 (CAS, NLP) | |
| 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 | CAS2021-28 NLP2021-26 |
|
| 研究会情報 | |
| 研究会 | CAS NLP |
| 開催期間 | 2021-10-14 - 2021-10-15 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | CAS |
| 会議コード | 2021-10-CAS-NLP |
| 本文の言語 | 日本語 |
| タイトル（和） | ニューラルネットワークとビットワイズニューラルネットワークによる敵対的生成ネットワークの構築 |
| サブタイトル（和） | |
| タイトル（英） | Implementation of a Generative Adversarial Network as Bitwise Neural Network |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 敵対的生成ネットワーク(GAN) / Generative Adversarial Network (GAN) |
| キーワード(2)（和/英） | ビットワイズニューラルネットワーク(BNN) / Bitwise Neural Network (BNN) |
| キーワード(3)（和/英） | FPGA / FPGA |
| キーワード(4)（和/英） | ニューラルネットワーク / Neural Network |
| キーワード(5)（和/英） | Ruby / Ruby |
| 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） | 松野 匠真 / Takuma Matsuno / マツノ タクマ |
| 第1著者 所属（和/英） | 独立行政法人国立高等専門学校機構 有明工業高等専門学校 (略称： 有明高専) National Institute of Technology, Ariake College (略称： Ariake College) |
| 第2著者 氏名（和/英/ヨミ） | ゴーチェ ロヴィック / Gauthier Lovic / ゴーチェ ロヴィック |
| 第2著者 所属（和/英） | 独立行政法人国立高等専門学校機構 有明工業高等専門学校 (略称： 有明高専) National Institute of Technology, Ariake College (略称： Ariake College) |
| 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 | 2021-10-14 15:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | CAS |
| 資料番号 | CAS2021-28, NLP2021-26 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.196(CAS), no.197(NLP) |
| ページ範囲 | pp.62-67 |
| ページ数 | 6 |
| 発行日 | 2021-10-07 (CAS, NLP) |
[研究会発表申込システムのトップページに戻る]