抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
非構造化ニューラルネットワーク剪定は,精度を損なうことなく,大きなニューラルネットワークの理論的モデルサイズ,計算需要およびエネルギー消費を大幅に低減できる有効な技術である。しかし,せん定に関する多くの基本的疑問はまだ答えられていない。例えば,剪定されたニューラルネットワークは元のネットワークと同じ表現を含んでいる。圧縮または進化過程を剪定する。訓練されたニューラルネットワークに関する研究のみを行う。非被覆スパース構造の役割と価値。本論文では,3つの非構造化せん定法(大きさに基づく剪定,ポスト剪定再初期化,ランダムスパース初期化)を解析することにより,これらの問題に答えることを試みた。著者らは,単一ベクトル正準相関解析(SVCCA)ツールを用いて,プルーンとオリジナルのResNet,VGG,およびConvNetモデルの層表現を研究し,対比するための広範な実験を行った。いくつかの興味深い観察を行った。1)ニューラルネットワークモデルは,類似の精度を維持しながら,実質的に異なる表現に進化する。2)初期化スパースモデルは,良く設計されたせん定法と比較して,合理的に良好な精度を達成することができる。3)せん定モデルにより発見されたスパース構造は本質的に重要ではない。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】