A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

A Hardware Efficient Reservoir Computing System Using Cellular Automata and Ensemble Bloom Filter Um sistema de computação de reservatório com hardware eficiente usando autômatos celulares e filtro Ensemble Bloom

Dehua LIANG, Jun SHIOMI, Noriyuki MIURA, Masanori HASHIMOTO, Hiromitsu AWANO

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

A computação de reservatórios (RC) é uma alternativa atraente aos modelos de aprendizado de máquina devido ao seu processo de treinamento computacionalmente barato e à simplicidade. Neste trabalho propomos EnsembleBloomCA, que utiliza autômatos celulares (CA) e um filtro Bloom conjunto para organizar um sistema RC. Em contraste com a maioria dos sistemas RC existentes, EnsembleBloomCA elimina todos os cálculos de ponto flutuante e multiplicação de inteiros. EnsembleBloomCA adota CA como reservatório no sistema RC porque pode ser implementado usando apenas operações binárias e, portanto, é energeticamente eficiente. A rica dinâmica de padrões criada pelo CA pode mapear a entrada original em um espaço de alta dimensão e fornecer mais recursos para o classificador. Utilizando um filtro Bloom conjunto como classificador, os recursos fornecidos pelo reservatório podem ser efetivamente memorizados. Nosso experimento revelou que a aplicação do mecanismo ensemble ao filtro Bloom resultou em uma redução significativa no custo de memória durante a fase de inferência. Em comparação com Bloom WiSARD, uma das obras de referência do estado da arte, o EnsembleBloomCA O modelo atinge uma redução de 43× no custo de memória, mantendo a mesma precisão. Nossa implementação de hardware também demonstrou que EnsembleBloomCA alcançou reduções de mais de 23× e 8.5× em área e potência, respectivamente.

Publicação
IEICE TRANSACTIONS on Information Vol.E105-D No.7 pp.1273-1282
Data de publicação
2022/07/01
Publicitada
2022/04/08
ISSN online
1745-1361
DOI
10.1587/transinf.2021EDP7203
Tipo de Manuscrito
PAPER
Categoria
Computer System

autores

Dehua LIANG
  Osaka University
Jun SHIOMI
  Osaka University
Noriyuki MIURA
  Osaka University
Masanori HASHIMOTO
  Kyoto University
Hiromitsu AWANO
  Kyoto University

Palavra-chave