2016 Fiscal Year Annual Research Report
Study on Neural Network Processor for Image Recognition
| Project/Area Number |
26730027
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
廣本 正之 京都大学, 情報学研究科, 助教 (60718039)
|
|---|
| Project Period (FY) |
2014-04-01 – 2017-03-31
|
| Keywords | 画像認識 / ニューラルネットワーク / ディープラーニング / 低消費電力設計 / 近似計算 / メモリスタ |
|---|
| Outline of Annual Research Achievements |
本研究ではニューラルネットワークを用いる画像認識向けプロセッサアーキテクチャについて3つの観点から検討を行い，それぞれ以下の成果が得られた．
1. 近似演算の活用による低消費電力化技術: 認識処理内部の演算の冗長性に着目し，最終的な認識精度に影響しない範囲での近似演算を行うことで消費電力を低減することができる．本研究では特に画像認識処理に多く用いられる畳み込みニューラルネットワークの消費電力を効率的に削減できる近似計算手法を提案し，電力性能比を最大45%向上できることを示した．
2. アルゴリズム・ハードウェア統合評価環境の構築: 上記のような高効率計算手法を検討するためには，アルゴリズムとハードウェアを統合的に評価する必要があるが，従来研究においてはそれらは個々の組合せでしか比較評価されていなかった．そこで本研究では様々な高効率アルゴリズムおよびハードウェアアーキテクチャの組合せを簡便かつ定量的に比較評価することのできる統合評価環境を開発し，アプリケーションに応じた最適なシステム探索が行えることを示した．
3. メモリスタを用いたアナログ演算手法: メモリスタは通過した電荷に応じ抵抗値が変化する「第四の受動素子」であり，演算とメモリの機能を兼ねることができるため，ニューラルネットワークを極めて高効率に実現できる次世代のデバイスとして期待されている．本研究では従来困難であった大規模なネットワークの学習を，ネットワーク規模に依存せず効率善く行える手法を提案した．回路シミューレションを通じ，提案手法によりネットワークの学習行えることを示した．
以上の研究成果の相補的な活用により，人工知能等において今後益々利用が拡大するニューラルネットワークを，高性能かつ高効率に実装可能になることが期待される．
|
Research Products
(6 results)
