特許7574920IP Force 特許公報全文掲載

ホーム > 特許ランキング > 日本電信電話株式会社 > 特許7574920

技術分野

学習装置、学習方法、及びプログラム

発明が解決しようとする課題[発明の詳細な説明]から抜粋

ニューラルネットワークモデルの重みと活性化の両方を３値化（２ｂｉｔ化）すれば、より軽量化・高速化を図ることができると考えられる。しかしながら、量子化では、精度維持と軽量化・高速化とがトレードオフの関係にある。特に、活性化を２値、３値等の低ビットで表現する場合は精度維持が困難となる。

課題を解決するための手段[発明の詳細な説明]から抜粋

目的を達成するため、一学習装置は、ニューラルネットワークモデルにより所定のタスクの推論を行う推論部と、複数の３値ベクトルを用いて、前記ニューラルネットワークモデルを構成する各層への入力を表す活性化を３値化する３値化部と、前記ニューラルネットワークモデルのモデルパラメータと、前記活性化を３値で表現するための３値化パラメータとを学習する学習部と、を有する。

発明の効果[発明の詳細な説明]から抜粋

ニューラルネットワークモデルの活性化を高精度に３値化することができる。

この特許の権利範囲[特許請求の範囲]

知財ポータルサイト IP Force にログインして確認する (無料)

この特許公報に記載されている図面[図面の簡単な説明]から抜粋

【図1】 本推論装置のハードウェア構成の一例を示す図である。
【図2】 推論時における推論装置の機能構成の一例を示す図である。
【図3】 学習時における推論装置の機能構成の一例を示す図である。
【図4】 実施例１における推論処理の一例を示すフローチャートである。
【図5】 実施例１における学習処理の一例を示すフローチャートである。
【図6】 実施例２における推論処理の一例を示すフローチャートである。
【図7】 従来手法の３値化ベクトルとの比較例を示す図である。
【図8】 実施例２における学習処理の一例を示すフローチャートである。
【図9】 従来手法の疑似勾配との比較例を示す図である。

代表図 図1本件の代表的な図

１０ 推論装置 １０１ 入力装置 １０２ 表示装置 １０３ 外部Ｉ／Ｆ １０３ａ 記録媒体 １０４ 通信Ｉ／Ｆ １０５ プロセッサ １０６ メモリ装置 １０７ バス ２０１ ３値化部 ２０２ 推論部 ２０３ 学習部

全ての図面はログインすると無料で閲覧できます。ログイン・ユーザー登録

［広告欄］

ログインすれば広告は減ります

ログインすれば広告は減ります

Copyright © Science Impact Inc. All Rights Reserved.