最小経路数を考慮したブロック構造ニューラルネッ トワークの誤差逆伝播学習法のハードウェア化

カテゴリ: 部門大会

論文No: GS5-1

グループ名: 【C】2019年電気学会電子・情報・システム部門大会プログラム

発行日: 2019/08/28

タイトル(英語): An Application of Back Propagation to Block-based Neural Networks Based on the Least Number of Routes

著者名: 竹田 遼司(千葉大学),小圷 成一(千葉大学),中間 公啓(千葉大学)

著者名(英語): Ryoji Takeda()

キーワード: ニューラルネットワーク|機械学習|ブロック構造|誤差逆伝播法|Neural Network|Machine Learning|Block-based Structure|Back Propagation

要約(日本語): 近年，進化型ハードウェアの研究が注目されている。このモデルとして，FPGA（Field Programmable Gate Array : FPGA）上に進化的構築が可能なブロック構造ニューラルネットワーク（Blockbased Neural Network：BNN）が提案されている。従来のFPGA への実装を考慮したBNNでは，遺伝的アルゴリズムが学習法として採用されている。しかし，GA は確率的要素を含むため，収束性が保証されていない。一方で，誤差逆伝播法は最急降下法であり，収束性が保証される。また，ネットワーク構造の評価指標として入力から出力に至るフローの最小経路数が提案されている。本研究では誤差逆伝播法により学習を行う，最小経路数を考慮したBNN のFPGA への実装を提案する。提案手法のFPGA 実装を行い，ハードウェアリソース使用量，学習性能の評価を通じて，有効性を確認した。

PDFファイルサイズ: 486 Kバイト