教授沙龙：史弋宇——边缘推理在硬件实现中的可延展性

沙龙详情

报告人：史弋宇圣母大学计算机系终身副教授，博士生导师

报告题目：边缘推理在硬件实现中的可延展性

活动时间：10月29日12：00-13：00

活动地点：荷清大厦A座一层水木会议室

报告人简介

史弋宇现任圣母大学计算机系终身副教授，博士生导师，并兼任电子系终身副教授，以及该校美国国家科学基金委新型可持续人工智能产学研究中心主任。之前任密苏里大学罗拉分校助理教授，博士生导师，美国国家科学基金委基于网络的软件系统产学研究中心副主任。2005年在清华大学电子工程系获得学士学位，2009年在美国加州大学洛杉矶分校（UCLA）电机工程系获得博士学位，2009－2010在卡内基梅隆大学进行博士后研究工作。史弋宇教授的研究方向主要是人工智能在医疗等领域的应用。曾获得美国国家自然基金委CAREER奖，IEEE Region 5个人成就奖，卡尔圣路易科学院发明奖，并曾获聘美国空军访问学者，德国洪堡访问学者，日本学术振兴会访问学者；多次在领域内顶级国际会议上获得最佳论文提名。获得美国发明专利3项（其中一项获得台北国际博览会金奖）。现任IEEE电子设计自动化会议（CEDA）宣传委员会（Publicity Committee）委员，ACM 国际计算机学会设计自动化专业组（ACM SIGDA）教育主席（Education Chair），IEEE Trans. On CAD, ACM Journal of Emerging Technologies in Computing Systems等期刊的编辑，IEEE VLSI CAS Newsletter的副主编，以及多个国际会议的专家委员会委员。曾担任2017年中国国际半导体大会电路和自动化论坛主席，以及2017-2018 IEEE/ACM设计自动化会议（DAC）系统设计大赛主席。

报告摘要

近年来，各种深度神经网络架构在无人驾驶、精准医疗等领域得到了广泛应用。为了追求性能提升，神经网络的规模快速增长，相应的推理计算复杂度和内存需求也显著增加。另一方面，出于安全性、可靠性或实时性的考虑，不少应用的推理需要在边缘实现。由于资源限制，边缘推理对于内存和功耗都有非常严格的限制，无法直接支持大规模神经网络的实现。这次报告中，史弋宇将首先分析近年来的数据，以揭示神经网络规模的发展与集成电路工艺缩小带来的硬件性能提升之间日渐增大的差距。随后，会简单回顾多种在边缘推理中缩小该差距的技术，并重点讨论神经网络的量化。将给出量化神经网络普适逼近性的一般证明，揭示即使是二值神经网络也可以无限逼近满足特定条件的任意函数。最后，介绍在给定目标精度下，量化神经网络内存和计算复杂度的上界，并简单讨论该上界的紧致性。

报名流程

关于教授沙龙

芯系清华，无问西东，持续为你更新！

微电子与纳电子学系学生组织发声窗口

内容转自：未来芯片高精尖中心

整理推送：微电研团宣传部

内容审核：微纳电子系

立志成为“中国芯”，发出最强“芯声”！

长按下方二维码，关注未来芯片高精尖中心官方微信。