論文の概要: Hardware implementation of timely reliable Bayesian decision-making using memristors

• arxiv url: http://arxiv.org/abs/2412.06838v2
• Date: Mon, 13 Jan 2025 04:32:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 14:21:15.852659
• Title: Hardware implementation of timely reliable Bayesian decision-making using memristors
• Title（参考訳）: メムリスタを用いたタイムリーなベイズ決定のハードウェア実装
• Authors: Lekai Song, Pengyu Liu, Yang Liu, Jingfang Pei, Wenyu Cui, Songwei Liu, Yingyi Wen, Teng Ma, Kong-Pang Pun, Leonard W. T. Ng, Guohua Hu,
• Abstract要約: ベイズ定理は事象を確率として定量化し、確率規則に基づいて決定を下す。 ベイズ定理は効率的なユーザ・シーンの相互作用を可能にするために応用できる。 ベイズ定理を実装するために,メムリスタに基づく確率論的計算手法を提案する。
• 参考スコア（独自算出の注目度）: 6.818673731932718
• License:
• Abstract: Brains perform decision-making by Bayes theorem. The theorem quantifies events as probabilities and, based on probability rules, renders the decisions. Learning from this, Bayes theorem can be applied to enable efficient user-scene interactions. However, given the probabilistic nature, implementing Bayes theorem in hardware using conventional deterministic computing can incur excessive computational cost and decision latency. Though challenging, here we present a probabilistic computing approach based on memristors to implement the Bayes theorem. We integrate memristors with Boolean logics and, by exploiting the volatile stochastic switching of the memristors, realise probabilistic logic operations, key for hardware Bayes theorem implementation. To empirically validate the efficacy of the hardware Bayes theorem in user-scene interactions, we develop lightweight Bayesian inference and fusion hardware operators using the probabilistic logics and apply the operators in road scene parsing for self-driving, including route planning and obstacle detection. The results show our operators can achieve reliable decisions in less than 0.4 ms (or equivalently 2,500 fps), outperforming human decision-making and the existing driving assistance systems.
• Abstract（参考訳）: 脳はベイズ定理によって意思決定を行う。 この定理は事象を確率として定量化し、確率規則に基づいて決定を下す。 このことからベイズ定理が適用され、効率的なユーザ・シーンの相互作用が可能となる。 しかし、確率的な性質から、従来の決定論的計算を用いてハードウェアにベイズ定理を実装すると、計算コストと決定遅延が過剰になる可能性がある。 ここでは,メムリスタに基づく確率論的計算手法をベイズ定理の実装に適用する。 我々はメムリスタをブール論理と統合し、メムリスタの揮発性確率スイッチングを利用して確率論的論理演算を実現し、ハードウェアベイズ定理の実装の鍵となる。 ユーザとシーンのインタラクションにおけるハードウェアベイズ定理の有効性を実証的に検証するために,確率論的論理を用いた軽量ベイズ推論と融合ハードウェア演算子を開発し,経路計画や障害物検出を含む自動運転における路面解析に演算子を適用した。 その結果、オペレーターは0.4ms(または2500fps)未満で信頼性の高い意思決定を達成でき、人間の意思決定と既存の運転支援システムよりも優れています。

関連論文リスト

• Understanding Approximation for Bayesian Inference in Neural Networks [7.081604594416339]
  ベイズニューラルネットワークにおける近似推論について検討する。 近似後部の期待効用は推論品質を測定することができる。 継続的かつ活発な学習セットは、後部品質とは無関係な課題を引き起こします。
  論文  参考訳（メタデータ） (2022-11-11T11:31:13Z)
• Checking Trustworthiness of Probabilistic Computations in a Typed Natural Deduction System [0.0]
  TPTNDの導出性は、与えられたカテゴリー分布から特定の周波数で$n$サンプルを抽出する過程として解釈される。 本稿では,TPTND のセマンティクスを解析し,そのセマンティクスについて述べる。 構造的・メタセオレティックな性質を概説し、特に「進化」と「論理的規則」をどの用語で表すかを確立する能力に焦点をあてる。
  論文  参考訳（メタデータ） (2022-06-26T17:55:32Z)
• Sampling-Based Robust Control of Autonomous Systems with Non-Gaussian Noise [59.47042225257565]
  雑音分布の明示的な表現に依存しない新しい計画法を提案する。 まず、連続系を離散状態モデルに抽象化し、状態間の確率的遷移によってノイズを捕捉する。 いわゆる区間マルコフ決定過程(iMDP)の遷移確率区間におけるこれらの境界を捉える。
  論文  参考訳（メタデータ） (2021-10-25T06:18:55Z)
• Logical Credal Networks [87.25387518070411]
  本稿では,論理と確率を組み合わせた先行モデルの多くを一般化した表現的確率論的論理である論理的クレダルネットワークを紹介する。 本稿では,不確実性のあるマスターミンドゲームを解くこと,クレジットカード詐欺を検出することを含む,最大後部推論タスクの性能について検討する。
  論文  参考訳（メタデータ） (2021-09-25T00:00:47Z)
• Bayesian Bellman Operators [55.959376449737405]
  ベイズ強化学習(RL)の新しい視点について紹介する。 我々のフレームワークは、ブートストラップが導入されたとき、モデルなしアプローチは実際には値関数ではなくベルマン作用素よりも後部を推測する、という洞察に動機づけられている。
  論文  参考訳（メタデータ） (2021-06-09T12:20:46Z)
• Provable Guarantees on the Robustness of Decision Rules to Causal Interventions [20.27500901133189]
  データ生成プロセスの変化に対する決定ルールのロバストさは、意思決定システムのデプロイの成功に不可欠である。 我々は因果ベイズネットワークを考察し、介入堅牢性問題を正式に定義する。 干渉確率の保証された上下境界を計算するための効率的なアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2021-05-19T13:09:47Z)
• ProbLP: A framework for low-precision probabilistic inference [10.24755253455414]
  低精度確率推論ハードウェアの分析と設計を自動化するフレームワークであるProbLPを提案する。 最悪のエラーバウンドとハードウェアエネルギーモデルに基づいて、適切なエネルギー効率の表現を自動的に選択する。 並列性、パイプライン化、低精度演算を利用した推論ネットワークのためのカスタムハードウェアを生成する。
  論文  参考訳（メタデータ） (2021-02-27T13:41:16Z)
• Handling Epistemic and Aleatory Uncertainties in Probabilistic Circuits [18.740781076082044]
  確率的推論の大規模クラスを扱うアプローチの背後にある独立性の仮定を克服する手法を提案する。 ベイズ学習のアルゴリズムは、完全な観察にもかかわらず、スパースから提供します。 そのような回路の各リーフは、不確実な確率を表すエレガントなフレームワークを提供するベータ分散ランダム変数でラベル付けされています。
  論文  参考訳（メタデータ） (2021-02-22T10:03:15Z)
• Efficient semidefinite-programming-based inference for binary and multi-class MRFs [83.09715052229782]
  分割関数やMAP推定をペアワイズMRFで効率的に計算する手法を提案する。 一般のバイナリMRFから完全多クラス設定への半定緩和を拡張し、解法を用いて再び効率的に解けるようなコンパクトな半定緩和を開発する。
  論文  参考訳（メタデータ） (2020-12-04T15:36:29Z)
• Learning Control Barrier Functions from Expert Demonstrations [69.23675822701357]
  制御障壁関数(CBF)に基づく安全な制御器合成のための学習に基づくアプローチを提案する。 最適化に基づくCBFの学習手法を解析し、基礎となる力学系のリプシッツ仮定の下で証明可能な安全保証を享受する。 私たちの知る限りでは、これらはデータから確実に安全な制御障壁関数を学習する最初の結果です。
  論文  参考訳（メタデータ） (2020-04-07T12:29:06Z)
• Learning with Differentiable Perturbed Optimizers [54.351317101356614]
  本稿では,操作を微分可能で局所的に一定ではない操作に変換する手法を提案する。 提案手法は摂動に依拠し,既存の解法とともに容易に利用することができる。 本稿では,この枠組みが,構造化予測において発達した損失の族とどのように結びつくかを示し,学習課題におけるそれらの使用に関する理論的保証を与える。
  論文  参考訳（メタデータ） (2020-02-20T11:11:32Z)

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。