論文の概要: Neuromorphic Co-Design as a Game

• arxiv url: http://arxiv.org/abs/2312.14954v1
• Date: Mon, 11 Dec 2023 16:44:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-15 13:03:54.031800
• Title: Neuromorphic Co-Design as a Game
• Title（参考訳）: ゲームとしてのニューロモルフィックコデザイン
• Authors: Craig M. Vineyard, William M. Severa, James B. Aimone
• Abstract要約: 共同設計は、技術スタック内の複数のレイヤの設計選択をコーディネートする相互の利益である。 特に,ニューロモルフィックコンピューティングの分野におけるアルゴリズムとアーキテクチャの相互作用について考察する。
• 参考スコア（独自算出の注目度）: 0.6998085564793366
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Co-design is a prominent topic presently in computing, speaking to the mutual benefit of coordinating design choices of several layers in the technology stack. For example, this may be designing algorithms which can most efficiently take advantage of the acceleration properties of a given architecture, while simultaneously designing the hardware to support the structural needs of a class of computation. The implications of these design decisions are influential enough to be deemed a lottery, enabling an idea to win out over others irrespective of the individual merits. Coordination is a well studied topic in the mathematics of game theory, where in many cases without a coordination mechanism the outcome is sub-optimal. Here we consider what insights game theoretic analysis can offer for computer architecture co-design. In particular, we consider the interplay between algorithm and architecture advances in the field of neuromorphic computing. Analyzing developments of spiking neural network algorithms and neuromorphic hardware as a co-design game we use the Stag Hunt model to illustrate challenges for spiking algorithms or architectures to advance the field independently and advocate for a strategic pursuit to advance neuromorphic computing.
• Abstract（参考訳）: 共同設計は、現在コンピューティングにおいて顕著なトピックであり、テクノロジスタック内の複数のレイヤの設計選択をコーディネートすることによる相互の利益について話している。 例えば、あるアーキテクチャの加速特性を最も効率的に活用できるアルゴリズムを設計すると同時に、計算のクラスの構造的ニーズをサポートするハードウェアを設計できる。 これらの設計決定の意味は、宝くじと見なすのに十分な影響力があり、個々のメリットに関係なく、アイデアが他人に勝つことができる。 コーディネーション(Coordination)は、ゲーム理論の数学においてよく研究されているトピックであり、コーディネーション機構を持たない場合の多くは、結果が準最適である。 ここでは,insights game theoretic analysisがコンピュータアーキテクチャの共同設計に何を提供できるかを検討する。 特に,ニューロモルフィックコンピューティングの分野におけるアルゴリズムとアーキテクチャの相互作用について考察する。 スパイクニューラルネットワークアルゴリズムとニューロモルフィックハードウェアを共設計ゲームとして分析し、我々はStag Huntモデルを用いて、スパイクアルゴリズムやアーキテクチャが独立してフィールドを前進させ、ニューロモルフィックコンピューティングを前進させる戦略的追求を提唱する課題を説明する。

関連論文リスト

• Task Agnostic Architecture for Algorithm Induction via Implicit Composition [10.627575117586417]
  本研究の目的は,このような統一アーキテクチャの構築を探求することであり,その構築方法に関する理論的枠組みを提案することである。 最近のジェネレーティブAI、特にトランスフォーマーベースのモデルは、幅広い領域のアルゴリズムを構築することができるアーキテクチャとしての可能性を示している。 アルゴリズム合成におけるトランスフォーマーおよび他の手法の現在の機能と限界について検討する。
  論文  参考訳（メタデータ） (2024-04-03T04:31:09Z)
• Training Neural Networks with Internal State, Unconstrained Connectivity, and Discrete Activations [66.53734987585244]
  真のインテリジェンスには、内部状態を管理するマシンラーニングモデルが必要だ。 このようなモデルのトレーニングに最も効果的なアルゴリズムは,まだ発見されていない。 このようなトレーニングアルゴリズムを2進アクティベーションと1つの重みの行列のみを持つアーキテクチャに適用する試みについて述べる。
  論文  参考訳（メタデータ） (2023-12-22T01:19:08Z)
• Neural Combinatorial Optimization: a New Player in the Field [69.23334811890919]
  本稿では,ニューラルネットワークに基づくアルゴリズムの古典的最適化フレームワークへの導入に関する批判的分析を行う。 性能, 転送可能性, 計算コスト, 大規模インスタンスなど, これらのアルゴリズムの基本的側面を分析するために, 総合的研究を行った。
  論文  参考訳（メタデータ） (2022-05-03T07:54:56Z)
• Learning Interpretable Models Through Multi-Objective Neural Architecture Search [0.9990687944474739]
  本稿では,タスク性能と「イントロスペクタビリティ」の両方を最適化するフレームワークを提案する。 タスクエラーとイントロスペクタビリティを共同で最適化することは、エラー内で実行されるより不整合でデバッグ可能なアーキテクチャをもたらすことを実証する。
  論文  参考訳（メタデータ） (2021-12-16T05:50:55Z)
• Neural Architecture Search in operational context: a remote sensing case-study [0.0]
  Neural Architecture Search(NAS)は、ネットワークアーキテクチャとその重みを最適化することでリスクを軽減するために導入されたフレームワークである。 本研究の目的は,衛星画像への関心対象のセマンティックセグメンテーション(セマンティックセグメンテーション)という課題に対処する能力を評価することである。
  論文  参考訳（メタデータ） (2021-09-15T08:18:12Z)
• Bottom-up and top-down approaches for the design of neuromorphic processing systems: Tradeoffs and synergies between natural and artificial intelligence [3.874729481138221]
  ムーアの法則は指数計算能力の期待を加速させており、システム全体の性能を改善するための新たな方法を求める最終段階に近づいている。 これらの方法の1つは、生物学的ニューラルネットワークシステムの柔軟性と計算効率を達成することを目的とした、脳にインスパイアされた代替コンピューティングアーキテクチャの探索である。 我々は、このパラダイムシフトが実現される際の粒度の異なるレベルについて、その分野の包括的概要を提供する。
  論文  参考訳（メタデータ） (2021-06-02T16:51:45Z)
• NAS-Navigator: Visual Steering for Explainable One-Shot Deep Neural Network Synthesis [53.106414896248246]
  本稿では,分析者がドメイン知識を注入することで,解のサブグラフ空間を効果的に構築し,ネットワーク探索をガイドするフレームワークを提案する。 このテクニックを反復的に適用することで、アナリストは、与えられたアプリケーションに対して最高のパフォーマンスのニューラルネットワークアーキテクチャに収束することができる。
  論文  参考訳（メタデータ） (2020-09-28T01:48:45Z)
• Understanding Deep Architectures with Reasoning Layer [60.90906477693774]
  本研究では,アルゴリズムの収束,安定性,感度といった特性が,エンドツーエンドモデルの近似と一般化能力と密接に関連していることを示す。 私たちの理論は、深いアーキテクチャを推論層で設計するための有用なガイドラインを提供することができます。
  論文  参考訳（メタデータ） (2020-06-24T00:26:35Z)
• A Semi-Supervised Assessor of Neural Architectures [157.76189339451565]
  我々は、ニューラルネットワークの有意義な表現を見つけるためにオートエンコーダを用いる。 アーキテクチャの性能を予測するために、グラフ畳み込みニューラルネットワークを導入する。
  論文  参考訳（メタデータ） (2020-05-14T09:02:33Z)
• Spiking Neural Networks Hardware Implementations and Challenges: a Survey [53.429871539789445]
  スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。 スパイキングニューラルネットワークのハードウェア実装の現状について述べる。 本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
  論文  参考訳（メタデータ） (2020-05-04T13:24:00Z)
• Computational Design with Crowds [34.76077954140923]
  計算設計は、計算技術を用いて設計プロセスをサポートし、自動化することを目的としている。 有望なアプローチの1つは、人間の計算、すなわち、人間の入力をプロセスに組み込むことである。 本稿では,パラメータ処理系の領域における群集との計算設計について論じる。
  論文  参考訳（メタデータ） (2020-02-20T10:40:13Z)

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。