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
- 학위논문
- 저자정보
- 지도교수
- 정재용
- 발행연도
- 2019
- 저작권
- 인천대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
학습 데이터가 충분하다면 딥 러닝(Deep learning)은 일반적으로 모델의 크기가 증가함에 따라 예측 성능이 향상되기 때문에 모델 크기가 계속해서 증가하는 추세이다. 연산 시간, 메모리 사용량, 스토리지 크기 등의 측면에서 대규모 모델의 효율성을 향상시키기 위해 모델 압축 방법을 적용할 수 있다. 이러한 모델 압축 방법은 일반적으로 GPU 및 CPU와 같은 프로세서에서 연구되어왔다. 본 논문에서는 뉴로모픽 컴퓨팅 시스템(Neuromorphic computing system)을 위한 모델 압축 방법을 제안한다. 제안하는 방법은 컨볼루셔널 레이어(Convoltional layer)에 적용되며, 기존에 모델압축을 위해 사용되었던 프루닝(Pruning) 및 인수분해 (Factorization)를 결합한 새로운 방법이다. 알렉스넷(AlexNet)에서 제안하는 방법을 이용한 실험결과는 컨볼루셔널 레이어의 압축에 따른 성능 저하를 1% 이내로 감소시키며, 파라미터를 10배까지 압축시킬 수 있음을 보여준다.
목차
제 1 장 서 론 11.1. 연구 배경 11.2. 연구 목적 31.3. 관련 연구 동향 41.4. 논문의 구성 6제 2 장 컨볼루셔널 뉴럴 네트워크와 뉴로모픽 아키텍처 72.1. 컨볼루셔널 뉴럴 네트워크 72.2. 뉴로모픽 아키텍처 9제 3 장 하이브리드 컨볼루셔널 레이어 압축 기법 113.1. 프루닝 113.2. 로우 랭크 근사법 133.3. 제안하는 방법 16제 4 장 실험 결과 및 성능분석 204.1. ConvNet6 모델 측정 204.2. 알렉스넷 모델 측정 30제 5 장 결 론 36참고문헌 37ABSTRACT 40
최근 본 자료
댓글(0)
0