@techreport{oai:ipsj.ixsq.nii.ac.jp:00209598,
 author = {小澤, 遼 and 大越, 匡 and 柘植, 晃 and 中澤, 仁 and 若月, 駿尭 and 岸本, 康成 and 豊田, 真智子 and 八木, 哲志 and 寺本, 純司 and Ryo, Ozawa and Tadashi, Okoshi and Akira, Tsuge and Jin, Nakazawa and Toshiaki, Wakatsuki and Yasunari, Kishimoto and Machiko, Toyoda and Satoshi, Yagi and Junji, Teramoto},
 issue = {11},
 month = {Feb},
 note = {第5世代移動通信システム (5G) の実用化に伴い，IoT の普及が期待される．近年，AI の基盤技術であるニューラルネットワーク (以下 NN と呼ぶ) を学習する深層学習に関する研究が盛んに行われており，IoT デバイスへの AI の搭載により社会課題の解決や業務の効率化が期待される．一方で，あらゆる「モノ」がインターネットに接続されるようになるため，トラフィックの削減や通信を介した処理の高速化のため，エッジコンピューティングが重要となる．エッジコンピューティングのように IoT デバイスに AI を搭載し，IoT デバイス自身で処理するためには，計算資源や消費電力に制約が生じ，制約を満たすような AI の搭載が必須となる．これらの制約を満たすような AI を設計するためには，AI の基盤技術である NN に関する高度な専門知識と多くの時間を要する．本研究では，NN を自動構築する Neural Architecture Search (NAS) 分野の研究である FBNet の損失関数を改良することにより，特定デバイスに特化した画像分類タスクにおける精度，推論速度，消費電力を考慮した NN の自動構築手法を提案する．入力として達成したい精度を与えることで，特定デバイスに特化した用途に応じた NN を自動構築することが可能である．},
 title = {精度，推論速度及び消費電力の制御によるニューラルネットワークの自動構築化手法},
 year = {2021}
}