島モデル型差分進化法によるブロック構造ニューラルネットワークの構造学習法とそのハードウェア化

カテゴリ: 部門大会

論文No: GS6-3

グループ名: 【C】平成25年電気学会電子・情報・システム部門大会講演論文集

発行日: 2013/09/04

タイトル(英語): A Structure Learning Method of Block-Based Neural Networks Using Island-Typed Differential Evolution and Its Hardware Implementation

著者名: 渡邉 栄貴(千葉大学),小圷 成一(千葉大学),岡本 卓(千葉大学),平田 廣則(千葉大学)

著者名(英語): Hidetaka Watanabe(Chiba University),seiichi Koakutsu(Chiba University),Takashi Okamoto(Chiba University),Hironori Hirata(Chiba University)

キーワード: 進化型ハードウェア|ニューラルネットワーク|ブロック構造|島モデル|差分進化法|Evolvable Hardware|Neural Networks|Block-Based Structure|Island Model|Differential Evolution

要約(日本語): 本研究では、ブロック構造ニューラルネットワークにおける構造と重みの同時学習において、パイプライン処理を導入した島モデル型差分進化法による構造学習法を提案する。提案手法では、個体群を複数の集合に分割することにより多様性を確保する島モデルへパイプライン処理を導入することによりハードウェア実装におけるリソースの消費を抑えつつ学習の多様性を保つことができる。また、差分進化法を導入することで島モデルの学習の効率化を図る。提案手法をサイズの異なるネットワークにおいて分類問題へ応用し、従来手法と回路規模を比較、学習の有効性を検証する。提案手法および従来手法によるBBNNの学習を行う論理回路をVerilog HDLにより記述し、論理シミュレーションにより動作を確認したところ、提案手法は従来手法に比べリソースの消費を抑えることができ、かつネットワークの構造と重みの効率的な学習ができることを確認した。

PDFファイルサイズ: 5,580 Kバイト