ブロック構造パルスニューラルネットワークにおける誤差逆伝播法のハードウェア化

カテゴリ: 部門大会

論文No: GS4-2

グループ名: 【C】平成26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: 2014/09/03

タイトル(英語): A Hardware Implementation of Back Propagation for Block-based Pulsed Neural Networks

著者名: 吉田 皓一(千葉大学),小圷 成一(千葉大学),岡本 卓(千葉大学)

著者名(英語): Koichi Yoshida(Chiba University),Seiichi Koakutsu(Chiba University),Takashi Okamoto(Chiba University)

キーワード: パルスニューラルネットワーク|学習|ブロック構造ニューラルネットワーク|誤差逆伝播法|Pulsed Neural Network|Learning|Block-Based Neural Network|Back Propagation

要約(日本語): 本研究ではブロック構造パルスニューラルネットワーク（BBPNN）の学習法として，階層型ニューラルネットワークで一般的に用いられる誤差逆伝播法（BP）をパルスニューロンモデルに特化させたモデルを導入する。まず，回路規模の削減を目的にBBPNNの各結合重みや学習中の演算をすべて有限の整数値としたBBPNNを作成し，学習によって結合重みが限界値を超えた場合の結合重み更新手法として，飽和方式とトーラス方式を提案する。そして，有限整数値での学習による桁落ちの影響を軽減させるため，学習率を変動させる直線探索手法を提案し，計算機実験により有効性を検証する。計算機実験の結果，飽和方式に対してトーラス方式の学習能力が優れていることが確認できた。また，直線探索手法によって学習能力が向上し，手法の有効性が示された。

PDFファイルサイズ: 222 Kバイト