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。
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】