文献

J-GLOBAL ID：202002215125269784   整理番号：20A0433626

畳込みニューラルネットワークの圧縮のためのBayes最適化ベースの大域的最適ランク選択【JST・京大機械翻訳】

Bayesian Optimization-Based Global Optimal Rank Selection for Compression of Convolutional Neural Networks

著者 (3件)： Kim Taehyeon (School of Electrical and Electronic Engineering, Yonsei University, Seoul, South Korea) ,  Lee Jieun (School of Electrical and Electronic Engineering, Yonsei University, Seoul, South Korea) ,  Choe Yoonsik (School of Electrical and Electronic Engineering, Yonsei University, Seoul, South Korea)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 17605-17618  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 最近,低ランク分解による畳込みニューラルネットワーク(CNN)圧縮は顕著な性能を達成した。最適ランクの発見は,ランクが圧縮されたCNNにおける計算の複雑さと精度を制御するための唯一のハイパーパラメータであるので,重要な問題である。本論文では,機械学習に基づく大域的最適化手法であるBayes最適化(BayesOpt)に基づく大域的最適ランク選択法を提案した。簡単な目的関数と適切な最適化方式の両方を利用することによって,提案した方法は,計算の複雑さと精度の劣化の間の良好なトレードオフを提供するグローバルな最適ランクを生成する。さらに,著者らの方法はまた,多重ランク選択における各ランクの相関を反映して,与えられた固定圧縮比を有する最適ランクを柔軟に得ることができた。実験結果は,提案したアルゴリズムが,データセットの膨大なサイズまたはCNNsの様々な構造的特徴にかかわらず,グローバル最適ランクを同定できることを示した。マルチランク選択に関するすべての実験において,提案方法は,最先端のランク選択法,変分Bayes行列因数分解(VBMF)より高い精度とより低い計算複雑性を有するランクを生み出した。Copyright 2020 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： 構造特性 ,  変分法 ,  圧縮比 ,  機械学習 ,  計算量 ,  目的関数 ,  *最適化 ,  アルゴリズム ,  多重化
準シソーラス用語： 行列因数分解 ,  選択法 ,  大域的最適化 ,  ハイパーパラメータ ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  音響信号処理  (BB03050C)

タイトルに関連する用語 (2件)： 畳込みニューラルネットワーク ,  Bayes最適化