| 講演名 | 2020-10-29 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(埼玉大), 大久保 潤(埼玉大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 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. |
| 抄録(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 |
| キーワード(英) | Quantization / Backpropagation / Neural Network / Spiking Neural Network(SNN) |
| 資料番号 | NC2020-14 |
| 発行日 | 2020-10-22 (NC) |
| 研究会情報 | |
| 研究会 | MBE / NC / NLP / CAS |
|---|---|
| 開催期間 | 2020/10/29(から2日開催) |
| 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 |
| 委員長氏名（和） | 渡邉 高志(東北大) / 鮫島 和行(玉川大) / 夏目 季代久(九工大) / 高島 康裕(北九州市大) |
| 委員長氏名（英） | Takashi Watanabe(Tohoku Univ.) / Kazuyuki Samejima(Tamagawa Univ) / Kiyohisa Natsume(Kyushu Inst. of Tech.) / Yasuhiro Takashima(Univ. of Kitakyushu) |
| 副委員長氏名（和） | 奥野 竜平(摂南大) / 大須 理英子(早大) / 高坂 拓司(中京大学) / 佐藤 弘樹(ソニーLSIデザイン) |
| 副委員長氏名（英） | Ryuhei Okuno(Setsunan Univ.) / Rieko Osu(Waseda Univ.) / Takuji Kosaka(Chukyo Univ.) / Hiroki Sato(Sony LSI Design) |
| 幹事氏名（和） | 中村 和浩(秋田県立循環器・脳脊髄センター) / 安部川 直稔(NTT) / 内部 英治(ATR) / 立野 勝巳(九工大) / 松下 春奈(香川大) / 佐藤 隆英(山梨大) / 下田 真二(ソニーLSIデザイン) |
| 幹事氏名（英） | Kazuhiro Nakamura(Akita-noken) / Naotoshi Abekawa(NTT) / Eiji Uchibe(ATR) / Katsumi Tateno(Kyushu Inst. of Tech.) / Haruna Matsushita(Kagawa Univ.) / Takahide Sato(Yamanashi Univ.) / Shinji Shimoda(Sony LSI Design) |
| 幹事補佐氏名（和） | 辛島 彰洋(東北工大) / 赤澤 淳(明治国際医療大学) / 瀧山 健(東京農工大) / 我妻 伸彦(東邦大) / 佐村 俊和(山口大) / 加藤 秀行(大分大) / 山口 基(テクノプロ) / 中村 洋平(日立) |
| 幹事補佐氏名（英） | Akihiro Karashima(Tohoku Inst. of Tech.) / Jun Akazawa(Meiji Univ. of Integrative Medicine) / Ken Takiyama(TUAT) / Nobuhiko Wagatsuma(Toho Univ.) / Toshikaza Samura(Yamaguchi Univ.) / Hideyuki Kato(Oita Univ.) / Motoi Yamaguchi(TECHNOPRO) / Yohei Nakamura(Hitachi) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on ME and Bio Cybernetics / Technical Committee on Neurocomputing / Technical Committee on Nonlinear Problems / Technical Committee on Circuits and Systems |
|---|---|
| 本文の言語 | JPN |
| 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（和） | |
| 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) |
| 第 1 著者 氏名（和/英） | 渡辺 裕美 / Yumi Watanabe |
| 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） | 大久保 潤 / Jun Ohkubo |
| 第 2 著者 所属（和/英） | 埼玉大学(略称：埼玉大) Saitama University(略称：Saitama Univ.) |
| 発表年月日 | 2020-10-29 |
| 資料番号 | NC2020-14 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | NC-216 |
| ページ範囲 | pp.29-33(NC), |
| ページ数 | 5 |
| 発行日 | 2020-10-22 (NC) |