近似計算

Last updated Unknown Edit Source

IoTとエッジコンピューティングの講義

• ある程度の計算誤差を許容する（大体合ってる計算を目指す）
  • その代わり、回路の処理速度向上/省エネルギーを目指す
• 「RMS (Recognition, Mining, Synthesis)」のタスクに使える
  • 機械学習とか画像生成とかみたいな、あいまい性のあるタスク
  • 特徴
    • 入力データー自体にノイズが多い
    • Golden result (唯一の正解）が存在しない
    • 人間の知覚（曖昧）に依存（画像とか自然言語を生成する場合）
      • 自然言語処理の「あいまいさ」の話と繋がる
      • Scrapboxもそういう意味では曖昧と言える（「繋がり」は人間の知覚に依存）
    • 統計的/確率的
    • 自己回復作用
      • ex: 機械学習は収束するまで計算し続けるから、何度か間違えても良い
• どうやって「誤差を許容」する?
  • 小数点の表現
    • ex: 0.09
    • 32ビット使えば0.089999996まで表現できる
    • ただ、計算量/回路面積が増えてしまう
    • なので、精度を犠牲にして、値を少ないビット数で表せるように量子化する
  • 計算を端折る（ミシン目のイメージ）
  • データ再利用
  • そもそもの演算器自体を近似化
    • イメージ: 筆算をするときに右半分と左半分を別々にやるみたいな
    • ある桁のところで繰り上げができなくなるけど、まあいいかみたいな考え方