文献

J-GLOBAL ID：201802287057860745   整理番号：18A1770945

深い神経回路網の最小毎精度を決定するための解析法【JST・京大機械翻訳】

An Analytical Method to Determine Minimum Per-Layer Precision of Deep Neural Networks

著者 (2件)： Sakr Charbel (Dept. of Electrical and Computer Engineering, University of Illinois at Urbana Champaign) ,  Shanbhag Naresh (Dept. of Electrical and Computer Engineering, University of Illinois at Urbana Champaign)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 1090-1094  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 高速で効率的な推論のための資源制約プラットフォーム上への深い学習システムの展開に関心が高まっている。しかし,典型的なモデルは圧倒的に複雑で,そのような統合を非常に困難にし,精度の低下などの圧縮機構を必要とする。筆者らは,精度劣化の観点から最小コストで事前に訓練された深いニューラルネットワークを効率的に定量化することを可能にする層毎の粒状精度解析を提示した。著者らの結果は,初期層における摂動が最も破壊的であり,従って後期層におけるよりも多くの精度を必要とするという最近の知見と一致する。著者らのアプローチは,MNISTとCIFAR-10データセットに関する数値結果によって示された著しい複雑さ減少を可能にした。実際に,等価レベルの精度に対して,著者らの細粒化手法は,単純な均一割当上で8ビットまでのネットワークにおける最小精度を低減した。さらに,最先端の二値ネットワークの精度レベルに適合する一方で,約3.5の低い複雑さを必要とする。同様に,最先端の固定小数点ネットワークと比較すると,複雑さの節約は,精度の損失なしで,より高い(~14まで)。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  ニューラルネットワーク ,  高速度 ,  粉化 ,  *神経回路網
準シソーラス用語： 学習支援システム ,  複雑性 ,  資源制約 ,  最先端 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 神経回路網 ,  解析法