Fugu-MT 論文翻訳(概要): Spoken digit classification using a spin-wave delay-line active-ring reservoir computing

論文の概要: Spoken digit classification using a spin-wave delay-line active-ring reservoir computing

arxiv url: http://arxiv.org/abs/2005.12557v1
Date: Tue, 26 May 2020 07:53:15 GMT
ステータス: 処理完了
システム内更新日: 2022-11-29 00:16:03.841295
Title: Spoken digit classification using a spin-wave delay-line active-ring reservoir computing
Title（参考訳）: スピン波遅延線アクティブリング型貯水池計算を用いた音声桁分類
Authors: Stuart Watt and Mikhail Kostylev
Abstract要約: 我々は、最近提案されたスピン波遅延線アクティブリング貯水池コンピュータを用いて、音声ディジタル認識タスクを実行する。これにより、最大93%の格付けが達成される。改良型スピン波トランスデューサ(アンテナ)を用いた試験装置試作
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: As a test of general applicability, we use the recently proposed spin-wave delay line active-ring reservoir computer to perform the spoken digit recognition task. On this, classification accuracies of up to 93% are achieved. The tested device prototype employs improved spin wave transducers (antennas). Therefore, in addition, we also let the computer complete the short-term memory (STM) task and the parity check (PC) tasks, because the fading memory and nonlinearity are essential to reservoir computing performance. The resulting STM and PC capacities reach maximum values of 4.77 and 1.47 respectively.
Abstract（参考訳）: 汎用性テストとして,最近提案されているスピン波遅延線アクティブリングリザーバコンピュータを用いて,音声の文字認識を行う。これにより、最大93%の分類精度が達成される。テストされた装置のプロトタイプは改良されたスピン波トランスデューサ(アンテナ)を使用している。また,計算機が短期メモリ(STM)タスクとパリティチェック(PC)タスクを完了させる。 STMとPCの容量はそれぞれ4.77と1.47である。

関連論文リスト

ESP-PCT: Enhanced VR Semantic Performance through Efficient Compression of Temporal and Spatial Redundancies in Point Cloud Transformers [13.589659299126968]
本稿では,VRアプリケーションに適した2段階のセマンティック・セマンティック・パフォーマンス・ポイント・クラウド・トランスフォーマであるESP-PCTを紹介する。 ESP-PCTは計算要求(FLOP)を76.9%削減し、メモリ使用量を78.2%削減し、93.2%の精度を達成した。
論文参考訳（メタデータ） (2024-09-02T12:48:40Z)
Autonomous Bootstrapping of Quantum Dot Devices [26.47874938214435]
そこで本研究では,後続のチューニングフェーズに備えて,削除モードQDデバイスを初期化するためのブートストラップアルゴリズムを提案する。組み合わせたアルゴリズムは、96パーセントの成功率で、8分未満で冷却したQDデバイスを所望のグローバルな状態に効率よく確実に持っていくことができることを示した。
論文参考訳（メタデータ） (2024-07-29T14:47:46Z)
Analysis and Fully Memristor-based Reservoir Computing for Temporal Data Classification [0.6291443816903801]
Reservoir Computing (RC) は、特に信号処理に有効なニューロモルフィックなフレームワークを提供する。 RCハードウェアのキーコンポーネントは動的貯留状態を生成する能力である。本研究は, 新たな時間的課題の管理において, メムリスタをベースとしたRCシステムの適応性を照らすものである。
論文参考訳（メタデータ） (2024-03-04T08:22:29Z)
Biomembrane-based Memcapacitive Reservoir Computing System for Energy Efficient Temporal Data Processing [0.0]
貯留層コンピューティングは、時間データを処理するための非常に効率的な機械学習フレームワークである。ここでは, 揮発性生体膜を用いた膜キャパシタを用いて, 短期シナプス可塑性機能を貯水池として密に再現する。本システムは,2次非線形回帰タスクにおいて,音声桁分類の精度99.6%,正規化平均2乗誤差7.81*10-4を達成する。
論文参考訳（メタデータ） (2023-05-19T22:36:20Z)
Quantized Neural Networks for Low-Precision Accumulation with Guaranteed Overflow Avoidance [68.8204255655161]
本稿では,推定時のアキュムレータの精度を下げる際に,数値オーバーフローを回避する量子化学習アルゴリズムを提案する。本手法は,浮動小数点点ベースラインに対するモデル精度を維持しつつ,アキュムレータの精度を低減できることを示す。
論文参考訳（メタデータ） (2023-01-31T02:46:57Z)
Braille Letter Reading: A Benchmark for Spatio-Temporal Pattern Recognition on Neuromorphic Hardware [50.380319968947035]
近年の深層学習手法は,そのようなタスクにおいて精度が向上しているが,従来の組込みソリューションへの実装は依然として計算量が非常に高く,エネルギーコストも高い。文字読み込みによるエッジにおける触覚パターン認識のための新しいベンチマークを提案する。フィードフォワードとリカレントスパイキングニューラルネットワーク(SNN)を、サロゲート勾配の時間によるバックプロパゲーションを用いてオフラインでトレーニングし比較し、効率的な推論のためにIntel Loihimorphicチップにデプロイした。 LSTMは14%の精度で繰り返しSNNより優れており、Loihi上での繰り返しSNNは237倍のエネルギーである。
論文参考訳（メタデータ） (2022-05-30T14:30:45Z)
ETAD: A Unified Framework for Efficient Temporal Action Detection [70.21104995731085]
時間的行動検出(TAD)のようなトリミングされていないビデオ理解は、しばしば計算資源に対する膨大な需要の苦痛に悩まされる。我々は、効率的なエンド・ツー・エンドの時間的行動検出(ETAD)のための統合されたフレームワークを構築している。 ETADはTHUMOS-14とActivityNet-1.3の両方で最先端のパフォーマンスを実現している。
論文参考訳（メタデータ） (2022-05-14T21:16:21Z)
SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
論文参考訳（メタデータ） (2021-10-01T23:01:20Z)
EdgeBERT: Sentence-Level Energy Optimizations for Latency-Aware Multi-Task NLP Inference [82.1584439276834]
BERTのようなトランスフォーマーベースの言語モデルでは、自然言語処理(NLP)タスクの精度が大幅に向上する。 We present EdgeBERT, a in-deepth algorithm- hardware co-design for latency-aware energy optimization for multi-task NLP。
論文参考訳（メタデータ） (2020-11-28T19:21:47Z)
Improving Efficiency in Large-Scale Decentralized Distributed Training [58.80224380923698]
通信コストを最小化しつつ、スペクトルギャップを改善して(A)D-PSGDに基づくトレーニングを加速する手法を提案する。提案手法の有効性を示すために,2000時間Switchboard音声認識タスクとImageNetコンピュータビジョンタスクの実験を行った。
論文参考訳（メタデータ） (2020-02-04T04:29:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。