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。
非構造化剪定は,訓練と推論時間の両方で畳み込みニューラルネットワーク(CNN)のメモリフットプリントを削減するのに適している。CNNはK×Kフィルタに配列したパラメータを含む。標準非構造化剪定(SP)はフィルタ要素をゼロに設定することによってCNNのメモリフットプリントを低減し,それによってフィルタを制約する固定部分空間を指定する。特に,訓練前または訓練中に枝刈りを適用すると,これは強いバイアスを誘発する。これを克服するために,既存の剪定法を改善する一般的なツールである空間間枝刈り(IP)を導入した。それは,基礎となる適応フィルタ基底(FB)の線形結合によって動的空間で表されるフィルタを使用する。IPに対して,FB係数をゼロに設定し,一方,非実行係数とFBを一緒に訓練した。本研究では,IPの優れた性能に対する数学的証拠を提供し,IPが全ての試験した最先端の非構造化剪定法においてSPより優れていることを実証した。特に,ImageNetの剪定や高スパース性への剪定のような困難な状況において,IPは等しい実行時間とパラメータコストでSPを大きく超える。最後に,IPの進歩は,改善された訓練性と優れた一般化能力によることを示した。【JST・京大機械翻訳】