論文の概要: Multiplierless In-filter Computing for tinyML Platforms
- arxiv url: http://arxiv.org/abs/2304.11816v1
- Date: Mon, 24 Apr 2023 04:33:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-25 16:18:43.591185
- Title: Multiplierless In-filter Computing for tinyML Platforms
- Title（参考訳）: マイクロMLプラットフォームのためのマルチプライアレスインフィルタコンピューティング
- Authors: Abhishek Ramdas Nair, Pallab Kumar Nath, Shantanu Chakrabartty, Chetan
Singh Thakur
- Abstract要約: In-filter音響分類のための新しいマルチプライヤレスフレームワークを提案する。
我々は、近似誤差を緩和するバックプロパゲーションを含む、MPベースの近似をトレーニングに用いている。
このフレームワークは、1Kスライス未満の従来の分類フレームワークよりも効率的である。
- 参考スコア（独自算出の注目度）: 6.878219199575747
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Wildlife conservation using continuous monitoring of environmental factors
and biomedical classification, which generate a vast amount of sensor data, is
a challenge due to limited bandwidth in the case of remote monitoring. It
becomes critical to have classification where data is generated, and only
classified data is used for monitoring. We present a novel multiplierless
framework for in-filter acoustic classification using Margin Propagation (MP)
approximation used in low-power edge devices deployable in remote areas with
limited connectivity. The entire design of this classification framework is
based on template-based kernel machine, which include feature extraction and
inference, and uses basic primitives like addition/subtraction, shift, and
comparator operations, for hardware implementation. Unlike full precision
training methods for traditional classification, we use MP-based approximation
for training, including backpropagation mitigating approximation errors. The
proposed framework is general enough for acoustic classification. However, we
demonstrate the hardware friendliness of this framework by implementing a
parallel Finite Impulse Response (FIR) filter bank in a kernel machine
classifier optimized for a Field Programmable Gate Array (FPGA). The FIR filter
acts as the feature extractor and non-linear kernel for the kernel machine
implemented using MP approximation and a downsampling method to reduce the
order of the filters. The FPGA implementation on Spartan 7 shows that the
MP-approximated in-filter kernel machine is more efficient than traditional
classification frameworks with just less than 1K slices.
- Abstract（参考訳）: 環境因子の連続モニタリングと大量のセンサデータを生成するバイオメディカル分類を用いた野生生物保護は,遠隔監視において帯域幅が限られているため課題である。
データの生成場所を分類することが重要になり、監視に使用されるのは機密データのみである。
本稿では,低消費電力のエッジデバイスで使用されるマージン伝搬(mp)近似を用いたフィルタ内音響分類のための新しいマルチプライバレスフレームワークを提案する。
この分類フレームワークの設計全体は、機能抽出と推論を含むテンプレートベースのカーネルマシンに基づいており、ハードウェア実装には追加/減算、シフト、コンパレータ操作といった基本的なプリミティブを使用する。
従来の分類の完全精度トレーニング法とは異なり, バックプロパゲーションによる近似誤差の軽減など, 訓練にはmpベース近似を用いる。
提案手法は音響分類に十分適している。
しかし,Field Programmable Gate Array (FPGA) に最適化されたカーネルマシン分類器に並列有限インパルス応答(FIR)フィルタバンクを実装することで,このフレームワークのハードウェアフレンドリさを実証する。
FIRフィルタは、MP近似とダウンサンプリング法を用いて実装されたカーネルマシンの機能抽出器および非線形カーネルとして機能し、フィルタの順序を小さくする。
Spartan 7のFPGA実装は、MP-approximated in-filterカーネルマシンが1Kスライス未満の従来の分類フレームワークよりも効率的であることを示している。
関連論文リスト
- Filter Pruning for Efficient CNNs via Knowledge-driven Differential
Filter Sampler [103.97487121678276]
フィルタプルーニングは同時に計算を加速し、CNNのメモリオーバーヘッドを低減する。
本稿では,MFM(Masked Filter Modeling)フレームワークを用いた知識駆動型微分フィルタサンプリング(KDFS)を提案する。
論文 参考訳（メタデータ） (2023-07-01T02:28:41Z) - In-filter Computing For Designing Ultra-light Acoustic Pattern
Recognizers [6.335302509003343]
超軽量音響分類器の設計に使用できる新しいインフィルタ・コンピューティング・フレームワークを提案する。
提案したアーキテクチャは、コンボリューションと非線形フィルタリングの操作を直接サポートベクトルマシンのカーネルに統合する。
本研究では,1.5k Look-Up Tables (LUT) と2.8k Flip-Flops (FF) のみを用いて,ベンチマーク音声認識タスクにおいてロバストな分類性能が得られることを示す。
論文 参考訳（メタデータ） (2021-09-11T08:16:53Z) - Training Compact CNNs for Image Classification using Dynamic-coded
Filter Fusion [139.71852076031962]
動的符号化フィルタ融合(DCFF)と呼ばれる新しいフィルタプルーニング法を提案する。
我々は、効率的な画像分類のために、計算経済的および正規化のない方法でコンパクトなCNNを導出する。
我々のDCFFは、72.77MのFLOPと1.06Mのパラメータしか持たないコンパクトなVGGNet-16を導出し、トップ1の精度は93.47%に達した。
論文 参考訳（メタデータ） (2021-07-14T18:07:38Z) - Multiplierless MP-Kernel Machine For Energy-efficient Edge Devices [6.335302509003343]
マルチプライアレスカーネルマシンを設計するための新しいフレームワークを提案する。
このフレームワークは、マージン伝播(MP)技術に基づいて、ピースワイズ線形(PWL)近似を使用する。
本研究では,FPGA(Field Programmable Gate Array)プラットフォーム向けに最適化されたハードウェアフレンドリーなMPベースの推論とオンライントレーニングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-06-03T16:06:08Z) - Online Multi-Object Tracking and Segmentation with GMPHD Filter and
Mask-based Affinity Fusion [79.87371506464454]
本稿では,インスタンス分割結果を入力として利用するMOTS法を提案する。
提案手法は,ガウス混合確率仮説密度 (GMPHD) フィルタ,階層型データアソシエーション (HDA) モデル,マスクベース親和性融合 (MAF) モデルに基づく。
2つの人気のあるMOTSデータセットの実験では、主要なモジュールがいくつかの改善点を示している。
論文 参考訳（メタデータ） (2020-08-31T21:06:22Z) - Optimization of data-driven filterbank for automatic speaker
verification [8.175789701289512]
与えられた音声データからフィルタパラメータを最適化する新しいデータ駆動型フィルタ設計法を提案する。
提案手法の主な利点は、ラベルなし音声データの量が非常に少ないことである。
提案するフィルタバンクを用いた音響特性は,既存のメル周波数ケプストラム係数 (MFCC) や音声信号に基づく周波数ケプストラム係数 (SFCC) よりも優れていた。
論文 参考訳（メタデータ） (2020-07-21T11:42:20Z) - Innovative And Additive Outlier Robust Kalman Filtering With A Robust
Particle Filter [68.8204255655161]
提案するCE-BASSは, 粒子混合カルマンフィルタであり, 革新的および付加的両方の外れ値に対して堅牢であり, 隠蔽状態の分布における多モード性を完全に捉えることができる。
さらに、CE-BASSは過去の状態を再サンプリングすることで、トレンドの変化のような観測ですぐには見えない革新的な外れ値を扱うことができる。
論文 参考訳（メタデータ） (2020-07-07T07:11:09Z) - Ensemble Wrapper Subsampling for Deep Modulation Classification [70.91089216571035]
受信した無線信号のサブサンプリングは、ハードウェア要件と信号処理アルゴリズムの計算コストを緩和するために重要である。
本稿では,無線通信システムにおけるディープラーニングを用いた自動変調分類のためのサブサンプリング手法を提案する。
論文 参考訳（メタデータ） (2020-05-10T06:11:13Z) - Dependency Aware Filter Pruning [74.69495455411987]
重要でないフィルタを割ることは、推論コストを軽減するための効率的な方法である。
以前の作業は、その重み基準やそれに対応するバッチノームスケーリング要因に従ってフィルタをプルークする。
所望の空間性を達成するために,空間性誘導正規化を動的に制御する機構を提案する。
論文 参考訳（メタデータ） (2020-05-06T07:41:22Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。