深層神経回路網のハードウェア実装におけるシナプス荷重値分解能に関する研究

摘要

深層学習とはニューラルネットワークを多層にして学習させる機械学習の方法の一つである．この深層学習が注目を集めている理由は、画像認識や音声認識などの分野で従来の手法に比べて非常に高い精度を示したことである．最近では深層神経回路網のハードウェア化に関する研究も盛んに行われているが、実装の規模を決める大きな要因の一つがシナプス荷重値を保存するメモリのハードウェアコストである．そこで本報告ではシナプス荷重値のビット幅を変化させていったときの学習性能が荷重値に対してどのように変化していくかにづいて調査する．