مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

52
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

6
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ترکیب روش منظم سازی تُنُک و آسیب مغزی بهینه در کوچک سازی یک مدل یادگیری عمیق

صفحات

 صفحه شروع 31 | صفحه پایان 45

چکیده

 یکی از چالش های شبکه های عصبی پیچشی, به عنوان ابزار اصلی یادگیری عمیق, حجم زیاد برخی از مدل های مربوطه است. یک شبکه ی عصبی پیچشی به مثابه مدلی از مغز, متشکل از میلیون ها اتصال است. کاهش حجم این مدل ها از طریق حذف (هرس) اتصالات اضافی مدل انجام می شود که همانند یک آسیب مغزی است. دو روش منظم سازی تُنُک و آسیب مغزی بهینه از جمله مشهورترین شیوه های هرس مدل هستند. در این نوشتار با ترکیب این دو شیوه نتایج بهتری در کاهش حجم مدل حاصل شده است. ابتدا با استفاده از روش انتقال یادگیری, یک مدل بزرگ شبکه های عصبی پیچشی برای شناسایی طبقات هدف, آموزش داده شد؛ سپس با روش های منظم سازی تُنُک و آسیب مغزی بهینه , اتصالات اضافی آن هرس شدند. نتایج آزمایشات نشان داده است که در بیشتر مجموعه دادگان مورد بررسی, اعمال شیوه ی ترکیبی منظم سازی تُنُک و آسیب مغزی بهینه نسبت به اعمال هر یک از آنها به صورت جداگانه کاراتر است. برای یکی از مجموعه دادگان مورد بررسی, با روش ترکیبی پیشنهادی   تعداد اتصالات مدل 76 درصد کاهش داده شد, بدون آنکه کارایی آن کاهش یابد. این کاهش حجم مدل, زمان پردازشی را به یک سوم تقلیل داده است. کاهش حجم مدل می تواند امکان استفاده از آن در مرورگرها و سخت افزارهای ضعیف تر و همه گیرتر را تسهیل سازد.      (کد برنامه: https://github.com/mamintoosi/Reg-OBD-for-VGG-Pruning)

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button