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。
バイナリニューラルネットワーク(BNNs)は,メモリフットプリントを減らし,深いニューラルネットワークのコストを計算する有望な解決策として浮上しているが,それらは,活性化と重みが2値に制約されるため,自由度の欠如による品質劣化に悩まされている。精度低下を補償するために,著者らは,入力依存またはインスタンス意識的に量子化閾値を動的に制御するINSTAness認識閾値(INSTA-BNN)を有する二値ニューラルネットワークと呼ばれる新しいBNN設計を提案した。著者らの観察によると,高次統計は入力分布の特性を推定するための代表的な計量である。INSTA-BNNは,高次統計量を含む様々な情報を考慮して閾値を動的に調整するために設計されているが,実際のデバイスで最小オーバヘッドを実現するためにも,賢明に最適化される。著者らの広範囲な研究は,INSTA-BNNが,比較可能な計算コストで,画像Net分類タスクにおいて,ベースラインより3.0%と2.8%優れており,ResNet-18とMobileNetV1ベースのモデルに関して,それぞれ,68.5%と72.2%のトップ-1精度を達成することを示した。【JST・京大機械翻訳】