GeSdA―GPU上でのAutoencoder処理並列化による高速Deep Learningの実装

• Item type: Trans(1)
• 公開日: 2016-06-29
• タイトル: GeSdA―GPU上でのAutoencoder処理並列化による高速Deep Learningの実装
• タイトル / 言語: en
• タイトル: GeSdA―High Performane Deep Learning Implementation with Autoencoder Parallelization
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [研究論文] Deep Learning，SdA，GPGPU
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 東京大学大学院工学系研究科
• 著者所属: 東京大学大学院工学系研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, The University of Tokyo
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, The University of Tokyo
• 著者名: 中山, 浩太郎; 松尾, 豊
• 著者名(英): Kotaro, Nakayama; Yutaka, Matsuo
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 「Deep learning」は，その強力な表現学習能力により画像処理・人工知能研究などを中心に幅広い分野で多大な注目を集めている．特に画像処理の分野を中心に，畳込みニューラルネットワーク（CNN）を基盤としたモデルについては多くの研究が精力的に進められ，高速化などの最適化においても顕著な成果が出ている．しかし，CNNと比較するとSdAなどの他のモデルに対するパフォーマンスの最適化についてはいまだ大きな課題として残っていた．本論文ではGPUを利用したSdAの高速化手法とその実装「GeSdA」を提案する．また，GeSdAの有効性を示すために開発したジェスチャー認識アプリケーション「Deep Motion」の概要と実験結果を示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: The Stacked denoising Auto-encoder (SdA) is one of the most popular pretraining based deep learning algorithms and its capability as a representation learner is widely known among researchers. However, in contrast to Convolutional Neural Networks (CNNs), little attention has been paid to performance enhancement of SdA. We introduce GeSdA, a high performance SdA algorithm with an efficient GPU-based pretraining approach which we refer to as cross-layer parallel pretraining (CrossPre). Experimental results show that the proposed approach is helpful in improving computational performance and classification accuracy. To prove the practical value of GeSdA, we introduce DeepMotion as an application example.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11464847
• 書誌情報: 情報処理学会論文誌データベース（TOD）; 巻 9, 号 2, p. 46-54, 発行日 2016-06-29
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7799
• 出版者 / 言語: ja
• 出版者: 情報処理学会