協調共進化によるニューラルネットワーク枝刈り【JST・京大機械翻訳】

Shang Haopu; Wu Jia-Liang; Hong Wenjing; Qian Chao

プレプリント

J-GLOBAL ID：202202220495857632 整理番号：22P0330061

協調共進化によるニューラルネットワーク枝刈り【JST・京大機械翻訳】

Neural Network Pruning by Cooperative Coevolution

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年04月12日プレプリントサーバーでの情報更新日： 2022年05月09日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ニューラルネットワーク剪定は,精度の無視できる損失で計算コストを著しく低減できる一般的なモデル圧縮法である。最近,フィルタは,適切な基準の設計または補助モジュールの使用で,その重要性を測定するのに,しばしば,直接に剪定されるが,それは,専門知識と試行錯誤を必要とする。自動化の利点のために,進化アルゴリズム(EA)による剪定は,多くの注目を引きつけたが,しかし,探索空間が非常に大きいので,性能は,深いニューラルネットワークのために制限される。本論文では,協調共進化による新しいフィルタ剪定アルゴリズムCCEPを提案し,EAにより各層におけるフィルタを個別に除去した。すなわち,CCEPは分割統治戦略によって枝刈り空間を減らす。実験は,CCEPが,最先端の剪定法,例えば,CIFAR10の63.42%のFLOPsの,-0.24%の精度で,そして,0.07%の精度で,画像Netの44.56%のFLOPのResNet50に対して,競合性能を達成できることを示した。”.”。”C-CEP”は,CIFAR10で,63.42%のFLOPsに対して,2.74%の正確性低下で,そして,ResNet50は,0.07%の正確度低下で,44.56%のFLOPsに対して,ResNet50を,達成することができた。【JST・京大機械翻訳】

, , , , , ,
, , , , , , , 【Automatic Indexing@JST】

人工知能 , ニューロコンピュータ

, ,

前のページに戻る