@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00219197,
 author = {岡, 大智 and 高木, 一義 and Daichi, Oka and Kazuyoshi, Takagi},
 book = {DAシンポジウム2022論文集},
 month = {Aug},
 note = {長・短期記憶 (LSTM) は，回帰型ニューラルネットワーク (Recurrent Neural Network: RNN) アーキテクチャの一種で，時系列データを学習することができる．本研究では FPGA を搭載した組み込み機器用の LSTM アクセラレータを設計し，ハードウェアリソースおよび速度を評価する．重み行列の刈り込みによる処理の簡略化により LSTM のサイズを小さくすると同時に動作の高速化を図る．スループットを向上させるため LSTM 内で用いられるパラメータを FIFO を用いたタスク間での受け渡しを行い，あわせて並列化を行う．また，ハードウェアリソースの削減のために LSTM 全体の量子化および活性化関数の区分線形近似を行う．これらの最適化手法を C++ 言語を用いた高位合成によって実装する．, Long Short-Term Memory (LSTM) is a kind of Recurrent Neural Network (RNN) architecture, which can learn time-series data. In this paper, we implement FPGA-based LSTM accelerator and evaluate hardware resources and run time. By pruning the weight matrix, the size of LSTM is reduced. Using a FIFO and parallelization, the throughput is increased. To reduce hardware resources, we implemented quantization of the parameters and piecewise linear approximation of the activation functions. These optimization methods are implemented by high-level synthesis using the C++ language.},
 pages = {145--150},
 publisher = {情報処理学会},
 title = {ハードウェアリソースを削減したLSTMアクセラレータ},
 volume = {2022},
 year = {2022}
}