| 講演名 | 2019-02-28 Sparse Robust Deep Autoencoderによる心電図外れ値検出器のハードウェア向けモデル圧縮について 曽我 尚人(東工大), 佐藤 真平(東工大), 中原 啓貴(東工大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 近年，心電図を日常生活の中て?記録て?きるように携帯型の心電図計やウェアラフ?ルテ?ハ?イスか?普及し始 めている. これらの測定機器から得られた心電図テ?ータを，深層学習を含む機械学習を用いて自動解析する研究か?盛 んに行われている.しかし, 通常の深層学習のモテ?ルはハ?ラメータ数か?膨大て?あり，携帯型のハート?ウェアへの実装 に適さない.本研究て?は，小型の組み込み機器に，ニューラルネットワークをヘ?ースとした Autoencoder による心電 図の外れ値検出器を実装する方法を提案する. 本研究て?は，教師テ?ータ無して?学習て?きる Robust Deep Autoencoder を用いて外れ値検出器の学習を行った.その際にスハ?ース化を行い，重みハ?ラメータの削減を行った. さらに，ス ハ?ース化済みの重みハ?ラメータに Weight Sharing を適用し，重みハ?ラメータ容量をスハ?ース化のみを適用した場合 に比へ? 75% 削減した.スハ?ース化，Weight Sharing をした Autoencoder を FPGA 上に実装して実行時間，消費電 力の測定を行い，Weight Sharing を用いた分のオーハ?ーヘット?か?増えた場合て?も，実行時間は増加せす?，CPU に比 へ?て 20.2 倍高速かつ 182 倍の電力効率て?動作することを確認した. |
| 抄録(英) | In recent years, portable electrocardiographs and wearable devices have begun to spread so that electrocar- diogram (ECG) signals can be recorded in everyday life. Many types of research have been conducted to use machine learning techniques, including deep learning techniques, to analyze ECG data. However, deep learning models often have too many parameters to implement on mobile hardware. In this research, we propose a method to implement an ECG outlier detector using an autoencoder, which is based on a neural network, in a small built-in device. As a learning method, Robust Deep Autoencoder, one of the unsupervised learning method, was used. A sparseness technique was applied to the autoencoder, and the number of parameters was reduced. Also, Weight Sharing was applied to the obtained weight parameters. With Weight Sharing, the capacity occupied by the weight parameters was reduced by 75% compared with the case where only the sparseness technique was applied. We implemented the obtained Autoencoder on an FPGA. The speed is 20.2 times faster, and 182 times more power efficient than CPUs. |
| キーワード(和) | 外れ値検出 / autoencoder / スパース化 / K-means法 / 教師なし学習 / FPGA |
| キーワード(英) | outlier detection / autoencoder / sparse network / K-Means / unsupervised learning / FPGA |
| 資料番号 | VLD2018-114,HWS2018-77 |
| 発行日 | 2019-02-20 (VLD, HWS) |
| 研究会情報 | |
| 研究会 | HWS / VLD |
|---|---|
| 開催期間 | 2019/2/27(から4日開催) |
| 開催地（和） | 沖縄県青年会館 |
| 開催地（英） | Okinawa Ken Seinen Kaikan |
| テーマ（和） | システムオンシリコンを支える設計技術, ハードウェアセキュリティ, 一般 |
| テーマ（英） | Design Technology for System-on-Silicon, Hardware Security, etc. |
| 委員長氏名（和） | 松本 勉(横浜国大) / 峯岸 孝行(三菱電機) |
| 委員長氏名（英） | Tsutomu Matsumoto(Yokohama National Univ.) / Noriyuki Minegishi(Mitsubishi Electric) |
| 副委員長氏名（和） | 川村 信一(東芝) / 池田 誠(東大) / 戸川 望(早大) |
| 副委員長氏名（英） | Shinichi Kawamura(Toshiba) / Makoto Ikeda(Univ. of Tokyo) / Nozomu Togawa(Waseda Univ.) |
| 幹事氏名（和） | 三浦 典之(神戸大) / 国井 裕樹(セコム) / 新田 高庸(NTT) / 小平 行秀(会津大) |
| 幹事氏名（英） | Noriyuki Miura(Kobe Univ.) / Hiroki Kunii(SECOM) / Koyo Nitta(NTT) / Yukihide Kohira(Univ. of Aizu) |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Hardware Security / Technical Committee on VLSI Design Technologies |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | Sparse Robust Deep Autoencoderによる心電図外れ値検出器のハードウェア向けモデル圧縮について |
| サブタイトル（和） | |
| タイトル（英） | Model Compression for ECG Signals Outlier Detection Hardware trained by Sparse Robust Deep Autoencoder |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 外れ値検出 / outlier detection |
| キーワード(2)（和/英） | autoencoder / autoencoder |
| キーワード(3)（和/英） | スパース化 / sparse network |
| キーワード(4)（和/英） | K-means法 / K-Means |
| キーワード(5)（和/英） | 教師なし学習 / unsupervised learning |
| キーワード(6)（和/英） | FPGA / FPGA |
| 第 1 著者 氏名（和/英） | 曽我 尚人 / Naoto Soga |
| 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：Titech) |
| 第 2 著者 氏名（和/英） | 佐藤 真平 / Shimpei Sato |
| 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：Titech) |
| 第 3 著者 氏名（和/英） | 中原 啓貴 / Hiroki Nakahara |
| 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：Titech) |
| 発表年月日 | 2019-02-28 |
| 資料番号 | VLD2018-114,HWS2018-77 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | VLD-457,HWS-458 |
| ページ範囲 | pp.127-132(VLD), pp.127-132(HWS), |
| ページ数 | 6 |
| 発行日 | 2019-02-20 (VLD, HWS) |