@techreport{oai:ipsj.ixsq.nii.ac.jp:00192580,
 author = {小山, 大輝 and 尼崎, 太樹 and 飯田, 全広 and 安田, 紘晃 and 伊藤, 寛人 and Hiroki, Oyama and Motoki, Amagasaki and Masahiro, Iida and Hiroaki, Yasuda and Hiroto, Ito},
 issue = {8},
 month = {Nov},
 note = {近年，グラフを対象とした GCN (Graph Convolutional Network) の研究が行われている．GCN はディープラーニングの一種でグラフノード間の隣接関係，および特徴量を入力にすることで，ネットワークの特徴を分類する．本研究ではゲートレベルのネットリストを対象に，GCN を用いた機能推定手法の検討を行った．ネットリストをベクトル情報にするためのツールである logic 2 vec を開発し，加算回路，減算回路，乗算回路を用いた機能推定を行った．実験の結果，加減算回路および乗算回路において 9 割以上の分類精度を得ることがわかった．, In recent years, Recently GCN studies on graphs has been conducted. GCN is a kind of deep learning and classifies network attribute by inputting the adjacency relation and feature between graph nodes. In this research, we discussed function inference method using GCN for gate level netlist. We developed logic2vec which is a tool for converting netlist into vector information, and performed functional inference using adder, subtractor, and multiplier. As a result of experiments, it was found that more than 90% of classification accuracy is obtained in adder / subtractor and multiplier.},
 title = {グラフ畳み込みネットワークを用いたネットリスト機能推定の検討},
 year = {2018}
}