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。
チャネル(または3Dフィルタ)剪定は,ニューラルネットワークの推論を加速する効果的な方法として役立つ。この実用的問題を解決する試みを試みているアルゴリズムには,それぞれ,いくつかの方法で有効と主張されている。しかし,それらのアルゴリズムを直接比較するベンチマークは,主に,アルゴリズムの複雑性と特定のネットワーク構成や訓練手順のようないくつかのカスタム設定のため,不足している。チャネル剪定のさらなる開発には,公正なベンチマークが重要である。一方,最近の研究により,枝刈りアルゴリズムによって発見されたチャネル構成は,事前訓練重みと同様に少なくとも重要であることが明らかになった。これは,チャネル枝刈りを新しい役割,すなわち,最適チャネル構成の探索を与える。本論文では,ランダム探索により枝刈りモデルのチャネル構成を決定することを試みた。提案した手法は,異なる方法,すなわち,ランダム剪定と比較してよく振舞う方法を比較する新しい方法を提供する。この単純な戦略は,他のチャネル剪定法と比較して非常に良く機能することを示した。また,この設定の下では,異なるチャネル重要度評価手法の間に明確な勝者がなく,次に,先進的チャネル構成探索法への研究努力を傾けるかもしれないことを示した。【JST・京大機械翻訳】