文献

J-GLOBAL ID：202202259455345357   整理番号：22A0446549

ニューラルネットワーク縮小のためのバイシミュレーション【JST・京大機械翻訳】

Bisimulations for Neural Network Reduction

著者 (1件)： Prabhakar Pavithra (Kansas State University, Manhattan, KS, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13182  ページ： 285-300  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 与えられたニューラルネットワークに意味的に等価である縮小ネットワークを誘導する双シミュレーションの概念を提示した。最小双シミュレーション等価ネットワークを構築するための最小化アルゴリズムを提供した。バイシミュレーション等価ニューラルネットワークを構築する縮小は,縮小のスケールにおいて制限される。意味的等価性よりも意味的近接性を提供する双シミュレーションの近似的概念を提示し,ほぼ双相似であるニューラルネットワーク間の意味偏差を定量化した。後者は,意味論の縮小と偏差の間のトレードオフを提供する。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  意味論 ,  *ネットワーク ,  *ニューラルネットワーク ,  近似法 ,  等価性
準シソーラス用語： *バイシミュレーション ,  近接性 , 【Automatic Indexing@JST】

著者キーワード (4件)： ニューラルネットワーク ,  バイシミュレーション ,  検証 ,  還元

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： ニューラルネットワーク ,  縮小 ,  バイシミュレーション