確率的ニューラルネットワーク計算の並列高速化アーキテクチャとその画像認識システムへの適用

概要

論文の詳細を見る
確率的ニューラルネットワーク(PNN:Probabilistic Neural Network)はその認識精度の高さから,近年多くの実用的なパターン認識問題(顔画像認識,気象画像認識など)に適用されている.一方,高い認識精度を得るためには,非常に多くのサンプルパターンに対してネットワーク計算を行う必要がある.さらに,ネットワークのパラメータ決定(学習)では,この計算を繰り返し実行する必要がある.このためPNN計算の高速化には専用設計されたハードウェアが不可欠である.本論文では,PNN計算を高速に実行するための専用プロセッサとこれをベースとした並列アーキテクチャを提案する.さらに,これらの提案方式に基づく小型(1ボード)画像認識システムを試作する.そして試作システムの実行時間を測定し,ビデオレート時間(33.3ms)内に大規模パターン認識処理が終了することを示す.また,実測値からの推定により10秒程度で大規模パターン認識問題の学習が終了することを導き,本提案手法とそれに基づく画像認識システムの有効性を示す.
2002-09-15