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
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2022.12
- 수록면
- 65 - 72 (8page)
- DOI
- 10.5573/ieie.2022.59.12.65
이용수
초록· 키워드
오류제보하기
본 논문은 파라미터 수가 적은 경량의 이진화된 신경망 모델을 제안한다. 이진화된 신경망 모델의 파라미터를 줄이는 방법으로 Depthwise-separable Convolution, Grouped Convolution, Global Average Pooling기법을 이진화된 신경망의 기본 블록의 연산 구조에 적합하도록 수정하였다. 이에 따라 기본 블록의 모든 입출력을 이진화된 형태로 유지하고, 추론과 관련된 모든 연산을 이진화된 영역에서 수행하면서도 위와 같은 기법들로 인한 장점들을 효과적으로 달성할 수 있게 되었다. SVHN과 CIFAR-10 이미지 분류 문제를 위한 현실적인 모델에 대하여 제안한 기법을 적용한 결과 전체 파라미터의 수를 82.1%, 82.2% 줄일 수 있었고, 각각의 데이터 세트에 대해 1.7%, 1.8%의 정확도의 하락을 보였다.
목차
요약
Abstract
Ⅰ. 서론
Ⅱ. BNN의 추론 연산 구조
Ⅲ. 본론
Ⅳ. 결과 및 고찰
Ⅴ. 결론
REFERENCES
참고문헌 (14)
참고문헌 신청
Howard, Andrew G., et al. "Mobilenets: Efficient convolutional neural networks for mobile vision applications," arXiv preprint arXiv:1704.04861, Apr 2017.
A. Krizhevsky, I. Sutskever and G. E. Hinton, “ImageNet classification with deep convolutional neural network,” in Proceedings of the 25th International Conference on Neural Information Processing Systems, pp. 1097-1105, Lake Tahoe, USA, Dec, 2012.
Lin, Min, Qiang Chen, and Shuicheng Yan. "Network in network," arXiv preprint arXiv:1312.4400, Dec 2013.
Courbariaux, Matthieu, et al. “Binarized neural networks: Training deep neural networks with weights and activations constrained to+ 1 or-1.” arXiv preprint arXiv:1602.02830, Mar 2016.
Horowitz, Mark. "1.1 computing's energy problem (and what we can do about it)," 2014 IEEE International Solid-State Circuits Conference Digest of Technical Papers. San Francisco, USA, pp. 10-14, Feb 2014.
Lin, Min, Qiang Chen, and Shuicheng Yan. "Network in network," arXiv preprint arXiv:1312.4400, Dec 2013.
Courbariaux, Matthieu, et al. “Binarized neural networks: Training deep neural networks with weights and activations constrained to+ 1 or-1.” arXiv preprint arXiv:1602.02830, Mar 2016.
Horowitz, Mark. "1.1 computing's energy problem (and what we can do about it)," 2014 IEEE International Solid-State Circuits Conference Digest of Technical Papers. San Francisco, USA, pp. 10-14, Feb 2014.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
이진화된 신경망의 파라미터 감소를 위한 효과적인 기법
대한전자공학회 학술대회
2022 .06
-
[연구논문] 깊이별 분리 합성곱 신경망을 이용한 탄성파 속도 모델 구축
한국자원공학회지
2022 .04
-
생성 모델에서의 학습 시간 단축을 위한 Depthwise Separable Convolution을 이용한 모델 경량화에 관한 연구
대한전자공학회 학술대회
2024 .06
-
개선된 이진 신경망
한국정보과학회 학술발표논문집
2020 .12
-
Convolution Neural Network Front-end / Back-end Design
대한전자공학회 학술대회
2020 .11
-
Depthwise Separable Convolution for Human Activity Recognition
한국통신학회 학술대회논문집
2020 .08
-
확장 합성곱 신경망을 통한 이미지 분류
한국정보통신학회 종합학술대회 논문집
2020 .10
-
이진화된 신경망을 위한 효율적인 학습 가속 시스템
전자공학회논문지
2022 .01
-
인공신경망 모델 압축을 위한 적응적 양자화 기반 지식 증류 기법
전자공학회논문지
2020 .09
-
Res-DualNet: Dual-Path Depthwise 컨볼루션 기반 ResNet 네트워크 경량화 연구
한국정보과학회 학술발표논문집
2021 .12
-
합성곱신경망을 이용한 초소형위성 분류 모델
한국항공우주학회 학술발표회 초록집
2017 .11
-
다차원 신경망 및 의사결정 신경망의 딥러닝 학습을 통한 영상인식
한국지능시스템학회 논문지
2018 .02
-
A Deep Learning Accelerator for a Typical Binary Neural Network Layer
한국정보과학회 학술발표논문집
2021 .06
-
Depthwise Separable Convolution 필터를 활용한 다중센서 데이터 특징 추출
대한산업공학회 추계학술대회 논문집
2018 .11
-
희박한 센서 데이터를 사용한 신경망 기반의 구조 모델 파라미터 추정
대한토목학회 학술대회
2019 .10
-
Deep Neural Network Structure Selection Using Coverage Methods
Journal of KIISE
2021 .01
-
다층신경망의 다양한 연결구조 제안 및 분석
한국정보기술학회논문지
2018 .04
-
CNN(Convolution Neural Network) 기반의 심혈관질환 분류
정보 및 제어 논문집
2018 .10
-
주행 차량의 운전자 유형 분류를 위한 심층 신경망에 대한 연구
제어로봇시스템학회 국내학술대회 논문집
2023 .06
-
베이지안 추론과 정규화를 이용한 회귀 머신러닝
한국지능시스템학회 논문지
2019 .10
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0