인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
날카로움-인지 최소화 기법(SAM)은 기계학습 모델의 일반화 성능을 향상하는 최적화 기법이지만 모델 교란을 위한 높은 계산 비용으로 인해 실제 응용에 널리 사용되고 있지 않다. 본 논문은 모델교란과 모델 업데이트 간의 데이터 의존성을 제거하는 비동기 병렬화 기술을 통해 기울기 크기를 효율적으로 감소시키는 새로운 비동기 병렬 SAM 기법을 제안한다. 비동기 SAM은 시스템 성능에 따라 교란 배치 크기를 조절함으로써, CPU-GPU와 같은 이종 자원을 효과적으로 활용해 정확도 손실없이 모델 교란에 소요되는 시간을 완전히 은닉한다. 제안한 기술은 CIFAR, Oxford Flowers102 등의 벤치마크에서 SGD 대비 평균 1-4%p 높은 정확도를 보이며, 전통적인 SAM의 정확도를 상회한다. 또한, 최근 소개된 SAM의 변형 기술들과 유사한 정확도를 유지하면서, CIFAR-10/ResNet-20 실험에서는 SGD와 유사한 수준(약 1.02배)의 처리 속도를 보인다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094346786
