@techreport{oai:ipsj.ixsq.nii.ac.jp:00231063,
 author = {菅, 研吾 and 平山, 侑樹 and 金子, 竜也  高前田 伸也},
 issue = {24},
 month = {Nov},
 note = {ベイズ深層学習 (BNN) は，ベイズ統計を利用する機械学習手法であり，予測の不確実性を捉えやすく，過学習を抑えるという利点がある．BNN を実現する方法として，推論時にドロップアウトを伴うフォワーディングを複数行い，得られた計算結果の平均と分散を出力とする手法が知られている．我々はハードウェア上でベイズ深層学習の推論を行うことを見据え，推論時のデータフローを最適化する手法を提案する．提案手法は，学習を行う前にドロップアウトパターンを事前決定し，これを学習と推論の両方に使用する．これにより推論時の乱数発生を不要にし，また低回数の順伝播で高精度な推論を可能にする．さらに，中間層の計算結果を効率的に使い回すため，順伝播のデータフローの構造を学習時に自動探索する．これにより計算回数をさらに削減し，推論プロセスの効率を向上させることを意図する．本稿では，提案手法の有用性を示すために，MNIST データセットを用いた実験を行った．その結果，既存手法と同程度の精度を保ちながら，途中計算に用いられる重みの要素数を平均で約 43% 削減できることが示された．},
 title = {ベイズ深層学習のドロップアウトパターン事前決定による推論高速化手法の検討},
 year = {2023}
}