Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020159016 - PROCÉDÉ D'OPTIMISATION DE PARAMÈTRE DE RÉSEAU NEURONAL APPROPRIÉ POUR LA MISE EN ŒUVRE SUR MATÉRIEL, PROCÉDÉ DE FONCTIONNEMENT DE RÉSEAU NEURONAL ET APPAREIL ASSOCIÉ

Numéro de publication WO/2020/159016
Date de publication 06.08.2020
N° de la demande internationale PCT/KR2019/008913
Date du dépôt international 18.07.2019
CIB
G06N 3/04 2006.1
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3Systèmes de calculateurs basés sur des modèles biologiques
02utilisant des modèles de réseaux neuronaux
04Architecture, p.ex. topologie d'interconnexion
G06N 3/063 2006.1
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3Systèmes de calculateurs basés sur des modèles biologiques
02utilisant des modèles de réseaux neuronaux
06Réalisation physique, c. à d. mise en oeuvre matérielle de réseaux neuronaux, de neurones ou de parties de neurones
063utilisant des moyens électroniques
CPC
G06N 3/04
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
G06N 3/0454
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
0454using a combination of multiple neural nets
G06N 3/063
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
06Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
063using electronic means
G06N 3/08
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
G06N 3/082
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
082modifying the architecture, e.g. adding or deleting nodes or connections, pruning
G06N 3/084
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
084Back-propagation
Déposants
  • 주식회사 디퍼아이 DEEPER-I CO., INC. [KR]/[KR]
Inventeurs
  • 이상헌 LEE, Sang Hun
  • 김명겸 KIM, Myung Kyum
  • 김주혁 KIM, Joo Hyuk
Mandataires
  • 김봉조 KIM, Bong Jo
Données relatives à la priorité
10-2019-001151629.01.2019KR
10-2019-005845329.01.2019KR
Langue de publication coréen (KO)
Langue de dépôt coréen (KO)
États désignés
Titre
(EN) METHOD FOR OPTIMIZING NEURAL NETWORK PARAMETER APPROPRIATE FOR HARDWARE IMPLEMENTATION, NEURAL NETWORK OPERATION METHOD, AND APPARATUS THEREFOR
(FR) PROCÉDÉ D'OPTIMISATION DE PARAMÈTRE DE RÉSEAU NEURONAL APPROPRIÉ POUR LA MISE EN ŒUVRE SUR MATÉRIEL, PROCÉDÉ DE FONCTIONNEMENT DE RÉSEAU NEURONAL ET APPAREIL ASSOCIÉ
(KO) 하드웨어 구현에 적합한 신경망 파라미터 최적화 방법, 신경망 연산방법 및 그 장치
Abrégé
(EN)
The present invention relates to a method for optimizing a neural network parameter appropriate for hardware implementation, a neural network operation method, and an apparatus therefor. The method for optimizing a neural network parameter appropriate for hardware implementation according to the present invention may comprise the steps of: performing type conversion of an existing parameter of a neural network into a size parameter having a single value per channel and a code parameter; and branching out the type-converted size parameter to generate an optimized parameter. Accordingly, the present invention can provide a neural network parameter optimization method, a neural network calculation method, and an apparatus therefor, wherein large operational quantities and parameters which a convolution neural network has are effectively optimized for hardware implementation so that a minimum loss in accuracy and a maximum operational speed can be obtained.
(FR)
La présente invention concerne un procédé d'optimisation d'un paramètre de réseau neuronal approprié pour une mise en œuvre sur matériel, un procédé de fonctionnement de réseau neuronal, et un appareil associé. Le procédé d'optimisation d'un paramètre de réseau neuronal approprié pour une mise en œuvre sur matériel selon la présente invention peut comprendre les étapes consistant à : réaliser une conversion de type d'un paramètre existant d'un réseau neuronal en un paramètre de taille ayant une valeur unique par canal et un paramètre de code ; et ramifier le paramètre de taille à type converti pour générer un paramètre optimisé. En conséquence, la présente invention peut concerner un procédé d'optimisation de paramètre de réseau neuronal, un procédé de calcul de réseau neuronal et un appareil associé, avec lequel de grandes quantités opérationnelles et des paramètres dont dispose un réseau neuronal convolutif sont efficacement optimisés pour une mise en œuvre sur matériel de telle sorte qu'une perte minimale de précision et une vitesse de fonctionnement maximale peuvent être obtenues.
(KO)
본 발명은 하드웨어 구현에 적합한 신경망 파라미터 최적화 방법, 신경망 연산방법 및 그 장치에 관한 것으로서, 본 발명에 따른 하드웨어 구현에 적합한 신경망 파라미터 최적화 방법은, 신경망의 기존 파라미터를 부호 파라미터 및 채널 당 단일의 값을 가지는 크기 파라미터로 형태 변환하는 단계; 및 상기 형태 변환된 크기 파라미터를 가지치기하여 최적화된 파라미터를 생성하는 단계;를 포함할 수 있다. 따라서, 본 발명은, 컨볼루션 신경망이 가지는 많은 연산량과 파라미터를 하드웨어 구현에 효과적으로 최적화시켜 최소한의 정확도 손실 및 최대한의 연산속도를 얻을 수 있는 신경망 파라미터 최적화 방법, 신경망 연산방법 및 그 장치를 제공하는 효과가 있다.
Également publié en tant que
Dernières données bibliographiques dont dispose le Bureau international