文献

J-GLOBAL ID：202202229007057324   整理番号：22A1086637

適応計算の再考:敵対的ロバスト性を持つ統一モデル複雑性低減フレームワークの構築【JST・京大機械翻訳】

Rethinking Adaptive Computing: Building a Unified Model Complexity-Reduction Framework With Adversarial Robustness

著者 (4件)： Wang Meiqi (School of Electronic Science and Engineering, Nanjing University, Nanjing, China) ,  He Liulu (School of Electronic Science and Engineering, Nanjing University, Nanjing, China) ,  Lin Jun (School of Electronic Science and Engineering, Nanjing University, Nanjing, China) ,  Wang Zhongfeng (School of Electronic Science and Engineering, Nanjing University, Nanjing, China)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 33  号： 4  ページ： 1803-1810  発行年： 2022年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 適応コンピューティング(AC)は,入力サンプルに従って予め指定した深層ニューラルネットワーク(DNN)を通過させるための層を動的に選択する技術である。以前の文献において,ACは独立の複雑性低減スキルとして考えられた。異なるレンズによるACの簡単な研究:著者らは,この戦略が,統一された複雑性低減フレームワークにおける主流圧縮技術と相互作用し,その”入力サンプル関連”特徴が,モデルロバスト性の改善を助けるかどうかを調べる。この方向に従って,まず,DNNの平均計算コストと推論時間を低減することができるAC戦略に基づく防御加速分岐(DAB)を,その対応物と比較してより高い精度で提案する。次に,提案したDABを,統一的複雑性-還元フレームワークを構築するために,主流パラメータワイズ圧縮スキル,剪定および量子化と共同に適用した。広範な実験を行い,その結果は,入力関連とパラメータ的複雑性低減スキルの間の準直交性を明らかにし,提案したACが,その精度を hらすことなく,オフザイス圧縮モデルに統合できることを意味する。さらに,提案した圧縮フレームワークのロバスト性を調べ,実験結果は,モデルが敵対攻撃下にあるとき,DABが検出器と防御ツールの両方として使用できることを証明した。これらのすべての知見は,高い圧縮比と大きな敵対的ロバスト性の両方を有する統一的複雑性低減フレームワークの構築におけるDABの大きな可能性に光を当てた。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  量子化 ,  レンズ ,  原価 ,  精度 ,  適応 ,  *統一模型 ,  *モデル ,  パラメータ ,  直交性 ,  *ロバスト性 ,  *フレームワーク【ソフトウェア開発】 ,  サイバー攻撃
準シソーラス用語： 複雑性 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (8件)： 適応 ,  計算 ,  敵対 ,  ロバスト性 ,  統一モデル ,  複雑性低減 ,  フレームワーク ,  構築