Gegelati：通过通用可演化纠缠程序图实现轻量级人工智能
神经与进化计算
2020-12-16 v1 人工智能
摘要
纠缠程序图（TPG）是一种基于遗传编程概念的强化学习技术。在先进的学习环境中，TPG 已被证明能以深度神经网络（DNN）极小的一部分计算与存储代价提供可比的能力。TPG 在训练和推理上的轻量性，使其成为在计算与存储资源受限的嵌入式系统上实现人工智能（AI）的有趣模型。本文介绍用于 TPG 的 Gegelati 库。除介绍该库的一般概念与特性外，本文详述两项主要贡献：1/ TPG 确定性训练过程的并行化，以支持异构多处理器片上系统（MPSoC）。2/ 在 TPG 模型的遗传演化程序中支持可定制指令集与数据类型。通过从高端 24 核处理器到低功耗异构 MPSoC 的架构实验，展示了并行训练过程的可扩展性。在先进强化学习环境中展示了可定制指令对训练过程结果的影响。CCS 概念： 计算机系统组织 嵌入式系统; 计算方法 机器学习。
引用
@article{arxiv.2012.08296,
title = {Gegelati: Lightweight Artificial Intelligence through Generic and Evolvable Tangled Program Graphs},
author = {Karol Desnos and Nicolas Sourbier and Pierre-Yves Raumer and Olivier Gesny and Maxime Pelcat},
journal= {arXiv preprint arXiv:2012.08296},
year = {2020}
}