@techreport{oai:ipsj.ixsq.nii.ac.jp:00186507,
 author = {氏原, 収悟 and 密山, 幸男},
 issue = {37},
 month = {Feb},
 note = {画像識別などに多く用いられる深層学習の畳込みニューラルネットワーク （CNN） のハードウェア実装において，回路規模の削減やメモリ使用量の削減を目的として，重み係数や演算データの量子化に関する研究が注目されている．ニューラルネットワークの構成やデータセットによっては，数ビット程度まで量子化するにもかかわらず，単精度浮動小数点演算による処理と同程度の認識精度が得られたという報告もある．一方で，重み係数の量子化は，学習パラメータや量子化の手順などによって認識精度が大きく変わるため，それらの最適化は容易ではない．そこで本研究では，オープンソースフレームワークのひとつである Chainer を用いて様々な量子化手法を評価できる環境を構築した．また，重み係数量子化の一手法を提案し，従来手法による認識精度と比較評価を行った．},
 title = {畳込みニューラルネットワーク向け重み量子化手法の検討},
 year = {2018}
}