文献

J-GLOBAL ID：202202235203209728   整理番号：22A0992729

適応階層閾値判定に基づくニューラルネットワークモデル圧縮【JST・京大機械翻訳】

Neural Network Model Compression Based on Adaptive Hierarchical Threshold Judgment

著者 (6件)： Lu Peng (上海海洋大学 信息学院,上海 201306) ,  Wan Ying (上海海洋大学 信息学院,上海 201306) ,  Zou Guoliang (上海海洋大学 信息学院,上海 201306) ,  Chen Jinyu (上海海洋大学 信息学院,上海 201306) ,  Zheng Zongsheng (上海海洋大学 信息学院,上海 201306) ,  Wang Zhenhua (上海海洋大学 信息学院,上海 201306)
資料名： Jisuanji Gongcheng  (Jisuanji Gongcheng)
巻： 48  号： 1  ページ： 112-118,126  発行年： 2022年 
JST資料番号： C2532A  ISSN： 1000-3428  CODEN： JISGEV  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 多様な応用環境に対して、畳込みニューラルネットワーク(CNN)のアーキテクチャ深さは絶えず増加し、精度を高めるが、同時に大量の計算パラメータとネットワークストレージが必要である。階層的閾値に基づく適応動的枝刈り法を,CNNの畳込みパラメータ冗長性および低計算効率のために提案した。適応可能な階層的閾値判定アルゴリズムを設計して,バッチ正規化層のスケール因子をクラスタ分析して,各々の層の分類点を適応的に見つけて,最後に閾値を確定して,次に,この閾値によって正規化した入力モデルを剪定して,次に,経験的な定義によって,固定閾値を,避けた。それは,モデルのサイズと実行時間を減少した。VGGNet,ResNet,DenseNet,およびLeNetモデルを,それぞれ,固定閾値およびLIUによって圧縮し,そして,CIFAR,SVHNおよびMNISTデータセット上で,モデル性能をテストした。実験結果は,提案方法がモデル精度と枝刈り率の間で最適平衡を見つけることができ,剪定後のモデルの試験エラー率が0.021.52パーセント減少し,同時に適応階層閾値判定アルゴリズムがグローバル剪定時に全層を減算する問題を回避できることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *閾値 ,  畳込み ,  冗長性 ,  ニューラルネットワーク ,  適応 ,  *モデル ,  クラスタ分析 ,  パラメータ ,  計算機アーキテクチャ ,  正規化 ,  スケール因子
準シソーラス用語： *神経回路網モデル ,  計算効率 ,  実行時間 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 適応 ,  階層 ,  閾値判定 ,  ニューラルネットワークモデル