메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이하윤 (성균관대학교) 신동군 (성균관대학교)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.46 No.3
발행연도
2019.3
수록면
219 - 227 (9page)
DOI
10.5626/JOK.2019.46.3.219

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
기존에 IoT 장치에서 딥 러닝을 수행하기 위해 주로 클라우드 컴퓨팅을 사용했다. 그러나 클라우드 컴퓨팅을 사용할 경우 연결을 보장할 수 없고, 통신을 위한 에너지 소모, 그리고 보안에 대한 취약성이 문제가 된다. 이와 같은 문제점을 해결하기 위해 최근 IoT 장치 내에서 딥 러닝을 수행하기 위한 시도가 진행되고 있다. 이 시도들은 주로 IoT 장치를 위한 연산량이 적은 딥 러닝 모델 또는 압축 기법 등을 제안하지만, 실제 IoT 장치에서 수행될 때의 영향에 대한 분석이 부족했다. IoT 장치마다 연산 장치의 구성과 지원되는 라이브러리가 다르기 때문에, 최적의 딥 러닝 수행을 위해 각 IoT 장치에서 다양한 수행환경에 대한 분석이 필요하다. 본 논문에서는 다양한 하드웨어 구성을 가진 IoT 장치에서 수행 환경에 따른 성능 및 에너지를 측정하고 분석한다. 또한, 적절한 라이브러리를 사용하는 것만으로도 속도와 에너지 효율이 최대 9.43배, 26.78배까지 상승하는 것을 보여준다.
#IoT #딥 러닝 #딥 러닝 라이브러리 #딥 러닝 프로파일링 #GPU 가속 #deep learning #deep learning library #deep learning profiling #GPU-based acceleration

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 배경
4. 실험
5. 결론
References

참고문헌 (11)

참고문헌 신청
Y. Kang, J. Hauswald, C. Gao, A. Rovinski, T. Mudge, J. Mars, L. Tang, "Neurosurgeon: Collaborative intelligence between the cloud and mobile edge," Proc. of the 23nd International Conference on Architectural Support for Programming Languages and Operating Systems, pp. 615-629, 2017. google schola F. N. Iandola, S. Han, M. W. Moskewicz, K. Ashraf, W. J. Dally, K. Keutzer, "SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and< 0.5 MB model size," CoRR, abs/1602.07360, 2016. A. G. Howard, M. Zhu, B. Chen, D. Kalenichenko, W. Wang, T. Weyand, M. Andreetto, H. Adam, "Mobilenets: Efficient convolutional neural networks for mobile vision applications," CoRR, abs/1704.04861, 2017. C. Nugteren, "CLBLast: A tuned openCL BLAS library," Proc. of the International Workshop on OpenCL, Article No. 5, 2018. google schola F. Li, Y. Ye, Z. Tian, and X. Zhang, "CPU versus GPU: which can perform matrix computation fasterperformance comparison for basic linear algebra subprograms," Neural Computing and Applications, pp. 1-13, 2018. google schola

이 논문의 저자 정보

이 논문과 함께 이용한 논문

ARM Cortex-M0 DesignStart를 활용한 커스텀 시스템 설계 및 검증
이성룡 ,  유호영 전기전자학회논문지 2020 .06
Cortex M7 기반 PLC, HMI 간 프로토콜 모니터 시스템
김기수 ,  이종찬 ,  하헌성 한국컴퓨터정보학회논문지 2020 .06
KHU-TEE: ARM PSA 기반 IoT 보안 플랫폼
정준영 ,  조진성 정보과학회 컴퓨팅의 실제 논문지 2020 .05
FuriosaAI - AI에 최적화된 시스템 반도체
안기영 정보과학회지 2020 .03
국제표준을 통해본 자율주행차, 시스템반도체
최종찬 ,  윤상훈 오토저널 2020 .02

최근 본 자료

전체보기

댓글(0)

0