ベイジアンフュージョンによるスパイキングニューラルネットワークの低エネルギ推論

• Item type: Symposium(1)
• 公開日: 2021-08-25
• タイトル: ベイジアンフュージョンによるスパイキングニューラルネットワークの低エネルギ推論
• タイトル / 言語: en
• タイトル: Low Energy Inference of Spiking Neural Network via Bayseian Fusion
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 低電力・低エネルギー設計
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者所属: 大阪大学大学院情報科学研究科情報システム工学専攻
• 著者所属: 京都大学大学院情報学研究科通信情報システム専攻
• 著者名: 赤木, 勇統; 粟野, 皓光
• 著者名(英): Yuto, Akagi; Hiromitsu, Awano
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: スパイキングニューラルネットワーク（SNN）はそのエネルギ効率の高さによる注目を集めている．しかし，一般的な SNN はスパイク発火頻度で情報を表現するため，一定期間のサンプリング時間が必要であり，依然として改善の余地がある．そこで，本研究では，ネットワークの中間層から早期予測結果を得て，これを最終層の予測結果とベイズ統合することで，サンプリング時間の更なる短縮と，省エネルギ化を実現する．Cifar-100 を対象とした画像分類タスクにおいて，ResNet18 をベースにしたネットワークに提案手法を適用することで，51.5% のエネルギ削減が達成可能であることを示した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Spiking neural networks (SNNs) have attracted much attention due to their high energy efficiency. However, since general SNNs represent information by spike firing frequency, they require a certain period of sampling time, and there is still a room for improvement. In this study, we further reduce the sampling time and save energy by obtaining the early prediction results from the middle layer of the network and Bayesian integration with the prediction results of the final layer. In the image classification task for Cifar-100, we have shown that by applying the proposed method to the ResNet18-based network, an energy reduction of 51.5% can be achieved.
• 書誌情報: DAシンポジウム2021論文集; 巻 2021, p. 9-14, 発行日 2021-08-25
• 出版者 / 言語: ja
• 出版者: 情報処理学会