Forskare vid Fukuoka University, i Japan, har nyligen föreslagit en konstruktionsmetodik för konfigurerbara ungefärliga aritmetiska kretsar. Som en del av deras studie, publicerad på ResearchGate, de tillämpade sin metod på ett prototypsystem för bildbehandling som bygger på djupa neurala nätverk.

Ungefärlig beräkning är en lovande beräkningsteknik som bygger på många systems förmåga att tolerera en viss förlust av kvalitet eller optimalitet i beräknade resultat. Genom att minska behovet av exakta eller helt deterministiska operationer, det kan uppnå hög prestanda med lägre energiförbrukning.

Även om många forskningsstudier har fokuserat på ungefärliga aritmetiska kretsar, konfigurerbara ungefärliga kretsar har nyligen blivit av intresse. En av de viktigaste utmaningarna inom detta område är att bestämma parametrar för dessa kretsars konfigurationer, en uppgift som ofta kan vara svår och tråkig.

"Vår nuvarande forskning fokuserar på ungefärliga aritmetiska kretsar, "Toshinori Sato, en av forskarna som genomförde studien, berättade TechXplore. "Dessa kretsar byter datanoggrannhet för andra konstruktionsbegränsningar som effekt, hastighet och storlek. Detta gör dem applikationsspecifika, snarare än för allmänna ändamål. Vi behövde en enkel designmetod för applikationsspecifika kretsar som skulle visa användbarheten av ungefärliga aritmetiska kretsar. Vi trodde att neurala nätverk kan hjälpa till att underlätta kretsdesigner. "

Tidigare forskning om konfigurerbara ungefärliga kretsar har främst övervägt kretsstruktur, utan att undersöka måldata. Detta gör det omöjligt för designers att utföra optimeringar baserade på specifik data. Metoden utarbetad av Sato och hans kollegor, å andra sidan, är inriktad på bearbetade data, därmed överväger både applikationer och deras data samtidigt.

"Vi utbildade vår prototyp för att identifiera sambandet mellan kretsdesignparametrar och bearbetad bildkvalitet, "Sato förklarade." Efter träning, prototypen kunde generera en optimal design från konfigurerbara ungefärliga aritmetiska kretsar, när en specifik bild tillhandahålls. "

I designen som föreslogs av Sato och hans kollegor, den ungefärliga kretsgeneratorn tar hänsyn till dess måldata, samt vissa designbegränsningar och användarkrav. Deras tillvägagångssätt hanterar också parametrerade ungefärliga kretsar, automatiskt bestämmer sina parametrar. Detta befriar designers från den tråkiga och tidskrävande uppgiften att manuellt fastställa parametrar.

"Det mest karakteristiska med vår metod är att den är datastyrd, "Sato sa." Många studier har riktat in en specifik domänapplikation, men vi tror att endast ett fåtal överväger både applikationer och deras data samtidigt. Denna funktion är viktig, eftersom det i slutändan kan underlätta den utbredda antagandet av ungefärliga kretsar. "

Forskarna utvärderade sin metod, tillämpa den på en proof-of-concept djup neural nätverksbaserad prototyp för bildbehandling. Deras design uppnådde lovande resultat, bearbeta bilder nästan lika bra som traditionella metoder med betydande effektförbättringar (33,28 procent), fördröjning (5,67 procent) och areal (21,86 procent).

"Vår prototyp är fortfarande i ett tidigt utvecklingsstadium, "Sato sa." Vi måste nu förbättra det så att det kan överväga fler behov hos designers, som strömförbrukning, kretsfördröjning och storlek. Följaktligen, vi skulle också vilja tillämpa metoden på andra applikationer utöver bildbehandling. "

© 2018 Science X Network