シグモイド関数のゲインに着目した完全ストカスティック計算ニューロンの設計

可児 冬弥  市原 英行  岩垣 剛  井上 智生  

誌名
電子情報通信学会論文誌 D   Vol.J104-D   No.7   pp.552-561
発行日: 2021/07/01
早期公開日: 2021/04/02
Online ISSN: 1881-0225
DOI: 10.14923/transinfj.2020FIP0008
論文種別: 特集論文 (機能集積情報システム論文特集)
専門分野: 
キーワード: 
近似計算,  双曲線正接関数,  シグモイド関数,  積和演算器,  線形FSM,  

本文: PDF(2.7MB)>>
論文を購入




あらまし: 
ニューラルネットワーク(NN)における演算素子であるニューロンを,ストカスティック計算(SC)で実装する研究がされている.ニューロンの全ての演算をSCで実装する場合,ニューロンの演算誤差を抑え,NNの認識精度を維持することは大きな課題の一つとなっている.本論文では,シグモイド関数のゲインに着目した,選択型積和演算器[6]と線形FSMを用いたSCニューロンのアーキテクチャを提案する.また,提案SCニューロンの演算誤差を抑えるため,少状態線形FSMによる実装を可能にする学習アルゴリズムも併わせて提案する.3層の全結合型NNにおける実験において,提案するSCニューロンの演算誤差が小さく,NNの認識精度が高いことを示す.