連想メモリベース適応学習LSIの応用とその評価(若手研究会)

概要

論文の詳細を見る
近年,音声認識や文字認識に代表される,パターン認識が注目されている.パターン認識の従来手法として,プロセッサベースのものやニューラルネットワークベースのものが挙げられるが,前者の場合は逐次比較処理を行うため,データ長・参照データ数の増加に伴って処理時間が増大してしまう.また,後者の場合,学習のために多くの教師データを必要とするため,学習に多くの時間を要し,オンライン学習には不向きである.さらに,各ニューロンに対して,入力数の積和演算を必要とするため,回路が大規模になり,複雑な配線を必要とし,ハードウェア化困難といった課題がある.そこで我々は,入力されたデータ列に対し,ある距離指標に応じて,複数の参照データから最も類似したデータを検索する機能を持つ連想メモリの研究を行っている.デジタル・アナログ混合型全並列型最小距離検索連想メモリを用いて,高速・低消費電力かつ小面積を実現している.また,参照データの学習方法として,人間の短期記憶・長期記憶の概念に基づく連想メモリベース学習アルゴリズムを提案しており,高速に学習可能でハードウェア化も実現している.本研究では,コードブックベース画像圧縮に提案学習アルゴリズムを適用し,評価と解析を行った.提案学習アルゴリズムによりコードブックを作成して,その効果を画質の指標であるPSNRによって評価し,学習パラメータが画質と学習回数に与える影響を解析した.さらに,学習の効果によって参照頻度の高いデータと,低いデータを分けることができる.これにより,参照頻度の高いデータに対して短い符号長を割り当てるハフマン符号化を適用することによって,圧縮率を12.8から約14.1に改善することができた.
2009-12-07

連想メモリベース適応学習LSIの応用とその評価(若手研究会)

スポンサーリンク

概要

著者

関連論文

スポンサーリンク