심층 뉴럴 네트워크들을 위한 반-구조화된 학습된 임계치프루닝

학습된 임계치에 기반하여 인공 뉴럴 네트워크의 가중치들을 프루닝하기 위한 방법은 프루닝을 위해 평가될 인공 뉴럴 네트워크의 사전-트레이닝된 가중치들의 그룹을 지정하는 단계를 포함한다. 방법은 또한, 사전-트레이닝된 가중치들의 그룹의 노름을 결정하는 단계, 및 사전-트레이닝된 가중치들의 전체 그룹을 프루닝할지 여부를 결정하기 위해 그 노름에 기반하여 프로세스를 수행하는 단계를 포함한다. A method for pruning weights of an artificial neural network based on a learned thr...

Full description

Saved in:
Bibliographic Details
Main Authors BLANKEVOORT TIJMEN PIETER FREDERIK, AZARIAN YAZDI KAMBIZ, BHALGAT YASH SANJAY, LEE JIN WON
Format Patent
LanguageKorean
Published 26.09.2023
Subjects
CALCULATING
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
COMPUTING
COUNTING
PHYSICS
Online AccessGet full text

Cover

More Information
Summary:학습된 임계치에 기반하여 인공 뉴럴 네트워크의 가중치들을 프루닝하기 위한 방법은 프루닝을 위해 평가될 인공 뉴럴 네트워크의 사전-트레이닝된 가중치들의 그룹을 지정하는 단계를 포함한다. 방법은 또한, 사전-트레이닝된 가중치들의 그룹의 노름을 결정하는 단계, 및 사전-트레이닝된 가중치들의 전체 그룹을 프루닝할지 여부를 결정하기 위해 그 노름에 기반하여 프로세스를 수행하는 단계를 포함한다. A method for pruning weights of an artificial neural network based on a learned threshold includes designating a group of pre-trained weights of an artificial neural network to be evaluated for pruning. The method also includes determining a norm of the group of pre-trained weights, and performing a process based on the norm to determine whether to prune the entire group of pre-trained weights.
Bibliography:Application Number: KR20237025602