[3S4-GS-2] 機械学習：

[3S4-GS-2-01] ニューラルネットワークモデルによるHDDパラメーターの補間予測

微分可能な線形補間層による線形補間精度改善技術

〇菅原 克也¹、礒脇 洋介¹、山田 健一郎¹、田上 尚基²、原 武生² (1. （株） 東芝、2. 東芝デバイス＆ストレージ（株）)

キーワード：ニューラルネットワーク、線形補間、微分可能

低コストの組込みシステムやリアルタイム処理が要求される分野では、演算リソースや演算時間の制約から線形補間が用いられることもある。HDDはリアルタイム処理の必要な組込みシステムの一種で、補間処理に線形補間が用いられている。線形補間の補間精度を改善するために、微分可能な線形補間層を有する小規模なニューラルネットワークを開発した。微分可能な線形補間層の出力を用いてニューラルネットワークを最適化することで、線形補間精度を改善した。ニューラルネットワークの出力は線形補間の補間精度を改善する入力値となるように変調されるため、組込みシステムで使用する線形補間の入力としてそのまま用い、補間精度を改善できる。開発したモデルはHDDのパラメータであるRRO（Repeatable Run Out）補正値で評価を実施し、線形補間精度の10%改善、あるいは検査時間の短縮につながるサンプリングレート7.5%低減の性能が得られた。