| 講演名 | 2020-01-24 エッジAIに向けた三値バックプロパゲーション法とそのFPGA実装 金子 竜也(北大), 山岸 善治(北大), 百瀬 啓(北大), 浅井 哲也(北大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本論文は，エッジAIに向けたニューラルネットワーク（NN）の学習アルゴリズムとそのFPGA実装に関するものである．NN処理は学習と推論の二つに分けられるが，推論処理のみを行うエッジAI研究が多数を占めている一方で学習処理の実装については障害を残している．特に低電力・低演算リソースが要求されるエッジAIでは，単なる量子化を用いた学習手法だと性能とコストが釣り合わない．これを解決するために三値バックプロパゲーション法 (TBP)を提案，またそのFPGA実装を行った．TBPを用いることで2クラス分類において性能を維持しながら消費電力を2桁近く削減できていること，10クラス分類において要求リソース量をLE数15.73¥%，総レジスタ数12.31¥%，乗算器数90.9¥%，SRAM使用率49.8¥%まで削減したことを示す． |
| 抄録(英) | In recent years there has been growing more interest in machine/deep learning. As following this movement, many types of hardware architecture is proposed to accelerate AI processing. These hardware AI is studied both the cloud domain and the edge domain. While great strides have been made in cloud-base AI, edge-base AI remains unsolved problem from the perspective of technical issues. A method maintaining the quality while reducing the power and the resource is required. We implemented low-resources and low-power training algorithm, ternarized backpropagation (TBP), on FPGA and achieved reducing 16.7¥% of logic elements, 13.6¥% of registers and 49.8¥% of SRAM usage. |
| キーワード(和) | エッジAI / 学習アルゴリズム / FPGA / 量子化 / 省電力 |
| キーワード(英) | Edge-AI / Training Algorithm / FPGA / Quantization / Low-power |
| 資料番号 | NLP2019-95 |
| 発行日 | 2020-01-16 (NLP) |
| 研究会情報 | |
| 研究会 | NLP / NC |
|---|---|
| 開催期間 | 2020/1/23(から3日開催) |
| 開催地（和） | 宮古島マリンターミナル |
| 開催地（英） | Miyakojima Marine Terminal |
| テーマ（和） | NC, NLP, 一般 |
| テーマ（英） | |
| 委員長氏名（和） | 黒川 弘章(東京工科大) / 庄野 逸(電通大) |
| 委員長氏名（英） | Hiroaki Kurokawa(Tokyo Univ. of Tech.) / Hayaru Shouno(UEC) |
| 副委員長氏名（和） | 夏目 季代久(九工大) / 鮫島 和行(玉川大) |
| 副委員長氏名（英） | Kiyohisa Natsume(Kyushu Inst. of Tech.) / Kazuyuki Samejima(Tamagawa Univ) |
| 幹事氏名（和） | 木村 貴幸(日本工大) / 立野 勝巳(九工大) / 吉本 潤一郎(奈良先端大) / 安部川 直稔(NTT) |
| 幹事氏名（英） | Takayuki Kimura(Nippon Inst. of Tech.) / Katsumi Tateno(Kyushu Inst. of Tech.) / Junichiro Yoshimoto(NAIST) / Naotoshi Abekawa(NTT) |
| 幹事補佐氏名（和） | 島田 裕(埼玉大) / 佐村 俊和(山口大) / 篠崎 隆志(NICT) / 瀧山 健(東京農工大) |
| 幹事補佐氏名（英） | Yutaka Shimada(Saitama Univ.) / Toshikaza Samura(Yamaguchi Univ.) / Takashi Shinozaki(NICT) / Ken Takiyama(TUAT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Nonlinear Problems / Technical Committee on Neurocomputing |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | エッジAIに向けた三値バックプロパゲーション法とそのFPGA実装 |
| サブタイトル（和） | |
| タイトル（英） | Ternarized Backpropagation for Edge AI and its FPGA Implementation |
| サブタイトル（和） | |
| キーワード(1)（和/英） | エッジAI / Edge-AI |
| キーワード(2)（和/英） | 学習アルゴリズム / Training Algorithm |
| キーワード(3)（和/英） | FPGA / FPGA |
| キーワード(4)（和/英） | 量子化 / Quantization |
| キーワード(5)（和/英） | 省電力 / Low-power |
| 第 1 著者 氏名（和/英） | 金子 竜也 / Tatsuya Kaneko |
| 第 1 著者 所属（和/英） | 北海道大学(略称：北大) Hokkaido University(略称：Hokkaido Univ.) |
| 第 2 著者 氏名（和/英） | 山岸 善治 / Yoshiharu Yamagishi |
| 第 2 著者 所属（和/英） | 北海道大学(略称：北大) Hokkaido University(略称：Hokkaido Univ.) |
| 第 3 著者 氏名（和/英） | 百瀬 啓 / Hiroshi Momose |
| 第 3 著者 所属（和/英） | 北海道大学(略称：北大) Hokkaido University(略称：Hokkaido Univ.) |
| 第 4 著者 氏名（和/英） | 浅井 哲也 / Tetsuya Asai |
| 第 4 著者 所属（和/英） | 北海道大学(略称：北大) Hokkaido University(略称：Hokkaido Univ.) |
| 発表年月日 | 2020-01-24 |
| 資料番号 | NLP2019-95 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | NLP-381 |
| ページ範囲 | pp.53-58(NLP), |
| ページ数 | 6 |
| 発行日 | 2020-01-16 (NLP) |