Необходимо зарегистрироваться, чтобы получить доступ к полным текстам статей и выпусков журналов!
- Название статьи
- Оптимизация операции свертки для применения в сверточных нейронных сетях при реализации в базисе ПЛИС
- Авторы
- Кущенко Андрей Сергеевич andrew.kushchenko@gmail.com, аспирант, конструктор 2-й категории, Южный федеральный университет, Институт компьютерных технологий и информационной безопасности; АО «Научно-конструкторское бюро вычислительных систем», г. Таганрог, Ростовская обл., Россия
Макаревич Олег Борисович mak@tsure.ru, д-р техн. наук, профессор, заведующий кафедрой "Безопасность информационных технологий", Южный федеральный университет, Институт компьютерных технологий и информационной безопасности, г. Таганрог, Ростовская обл., Россия
Половко Иван Юрьевич i.y.polovko@gmail.com, канд. техн. наук, доцент, Южный федеральный университет, Институт компьютерных технологий и информационной безопасности, Таганрог, Ростовская обл., Россия
- В разделе
- ОБЩИЕ ВОПРОСЫ БЕЗОПАСНОСТИ ИНФОРМАЦИИ И ОБЪЕКТОВ
- Ключевые слова
- сверточные нейронные сети / ПЛИС / обработка изображений / искусственный интеллект
- Год
- 2020 номер журнала 2 Страницы 59 - 62
- Индекс УДК
- 004
- Код EDN
- Код DOI
- Финансирование
- Тип статьи
- Научная статья
- Аннотация
- Рассмотрен классический вариант реализации сверточных фильтров, которые являются частью алгоритмов машинного обучения. Приведены преимущества программируемых логических интегральных схем (ПЛИС) перед GPU в задаче обработки изображений сверточными нейронными сетями. Предложен метод замены операции умножения на побитовую операцию xor для уменьшения необходимых ресурсов на кристалле для расчета нейронной сети. Операция умножения и побитовая операция xor неэквивалентны, но с использованием расстояния Хемминга доказана похожесть изображений. Показано, что заменять операцию умножения в сверточном фильтре можно и нейронная сеть при этом все еще будет способна выделять ключевые признаки на изображении, которые необходимы для работы сети. Приведены теоретические расчеты возможного количества вычислительных элементов после замены операции умножения на побитовую операцию xor на примере микросхемы ПЛИС Stratix 10 ф. Intel.
- Полный текст статьи
- Для прочтения полного текста необходимо купить статью
- Список цитируемой литературы
-
Беляков И. А. Применение искусственных нейронных сетей при поиске уязвимостей в исходных текстах программного обеспечения // Изв. Петербургского ун-та путей сообщения. 2011. № 1. С. 120-129.
Рудаков И. В., Васютович И. М. Исследование перцептивных хеш-функций изображений // Наука и образование: научное издание МГТУ им. Н. Э. Баумана. 2015. № 8. С. 269-280.
Чичева М. А. Эффективный алгоритм дискретного косинусного преобразования четной длины // КО. 1998. № 18. С. 147-149.
Courbariaux M., Bengio Y., David J. Low precision arithmetic for deep learning [Электронный ресурс]. Режим доступа: https://arxiv.org/abs/1412.7024.html (дата обращения: 25.09.2019).
Официальная документация на контроллер внешней памяти ПЛИС ф. Altera [Электронный ресурс]. Режим доступа: https://www.altera.com/content/dam/altera-www/global/en_US/ pdfs/literature/hb/external-memory/emi_plan.pdf (дата обращения: 25.09.2019).
- Купить
- 500.00 руб
