WEKO3
アイテム
経路多様性に着目したニューラルネットワークの配線最適化
https://ipsj.ixsq.nii.ac.jp/records/219007
https://ipsj.ixsq.nii.ac.jp/records/219007f1472d51-a7c3-4e12-824e-14cdebb4f3cc
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-ARC22249018.pdf (1.2 MB)
|
Copyright (c) 2022 by the Institute of Electronics, Information and Communication Engineers This SIG report is only available to those in membership of the SIG.
|
|
| ARC:会員：¥0, DLIB:会員：¥0 | ||
| Item type | SIG Technical Reports(1) | |||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2022-07-20 | |||||||||||||
| タイトル | ||||||||||||||
| タイトル | 経路多様性に着目したニューラルネットワークの配線最適化 | |||||||||||||
| 言語 | ||||||||||||||
| 言語 | jpn | |||||||||||||
| キーワード | ||||||||||||||
| 主題Scheme | Other | |||||||||||||
| 主題 | AI技術 | |||||||||||||
| 資源タイプ | ||||||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||||||||
| 資源タイプ | technical report | |||||||||||||
| 著者所属 | ||||||||||||||
| 国立情報学研究所 | ||||||||||||||
| 著者所属 | ||||||||||||||
| 慶應義塾大学 | ||||||||||||||
| 著者所属 | ||||||||||||||
| 国立情報学研究所 | ||||||||||||||
| 著者所属 | ||||||||||||||
| 慶應義塾大学 | ||||||||||||||
| 著者所属(英) | ||||||||||||||
| en | ||||||||||||||
| National Institute of Informatics | ||||||||||||||
| 著者所属(英) | ||||||||||||||
| en | ||||||||||||||
| Keio University | ||||||||||||||
| 著者所属(英) | ||||||||||||||
| en | ||||||||||||||
| National Institute of Informatics | ||||||||||||||
| 著者所属(英) | ||||||||||||||
| en | ||||||||||||||
| Keio University | ||||||||||||||
| 著者名 |
河野, 隆太
× 河野, 隆太
× 松谷, 宏紀
× 鯉渕, 道紘
× 天野, 英晴
|
|||||||||||||
| 著者名(英) |
Ryuta, Kawano
× Ryuta, Kawano
× Hiroki, Matsutani
× Michihiro, Koibuchi
× Hideharu, Amano
|
|||||||||||||
| 論文抄録 | ||||||||||||||
| 内容記述タイプ | Other | |||||||||||||
| 内容記述 | 画像認識のためのニューラルネットワークは，特徴量の演算操作と伝播をそれぞれノードとエッジとしたグラフを基にモデル化されており，ResNet や DenseNet といった高精度のモデルが提案されている．こうした中，最新の研究において，Watts-Strogatz モデルに基づくランダムグラフを基に構築されたニューラルネットワークが，画像認識の精度を大幅に向上させることができることが示されている．その一方で，オンチップ・オフチップ向け相互結合網を高性能化するための取り組みとして，Order/Degree Problem と呼ばれるグラフ最適化問題の解法が多数提案されており，それらがランダムグラフと比べ直径や平均距離といったグラフの性能を大幅に改善できることが示されている．本研究では，この解法の 1 つである対称トポロジをニューラルネットワークに適用し，モデルの幅と深さのさらなる最適化を行う． | |||||||||||||
| 書誌レコードID | ||||||||||||||
| 収録物識別子タイプ | NCID | |||||||||||||
| 収録物識別子 | AN10096105 | |||||||||||||
| 書誌情報 |
研究報告システム・アーキテクチャ（ARC） 巻 2022-ARC-249, 号 18, p. 1-6, 発行日 2022-07-20 |
|||||||||||||
| ISSN | ||||||||||||||
| 収録物識別子タイプ | ISSN | |||||||||||||
| 収録物識別子 | 2188-8574 | |||||||||||||
| Notice | ||||||||||||||
| SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||||||||
| 出版者 | ||||||||||||||
| 言語 | ja | |||||||||||||
| 出版者 | 情報処理学会 | |||||||||||||
