دانلود مقاله انگلیسی رایگان:هوش مصنوعی کارآمد منابع: بررسی هرس شبکه عصبی برای تخصص در کار - 2022
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی اینترنت اشیاء رایگان
  • Resource efficient AI: Exploring neural network pruning for task specialization Resource efficient AI: Exploring neural network pruning for task specialization
    Resource efficient AI: Exploring neural network pruning for task specialization

    دسته بندی:

    اینترنت اشیاء - Internet of Things


    سال انتشار:

    2022


    عنوان انگلیسی مقاله:

    Resource efficient AI: Exploring neural network pruning for task specialization


    ترجمه فارسی عنوان مقاله:

    هوش مصنوعی کارآمد منابع: بررسی هرس شبکه عصبی برای تخصص در کار


    منبع:

    ScienceDirect- Elsevier- Internet of Things, 20 (2022) 100599: doi:10:1016/j:iot:2022:100599


    نویسنده:

    Dieter Balemans


    چکیده انگلیسی:

    This paper explores the use of neural network pruning for transfer learning applications for more resource-efficient inference. The goal is to focus and optimize a neural network on a smaller specialized target task. With the advent of IoT, we have seen an immense increase in AI-based applications on mobile and embedded devices, such as wearables and other smart appliances. However, with the ever-increasing complexity and capabilities of machine learning algorithms, this push to the edge has led to new challenges due to the constraints imposed by the limited availability of resources on these devices. Some form of compression is needed to allow for stateof-the-art convolutional neural networks to run on edge devices. In this work, we adapt existing neural network pruning methods to allow them to specialize networks to only focus on a subset of what they were originally trained for. This is a transfer learning use-case where we optimize large pre-trained networks. This differs from standard optimization techniques by allowing the network to forget certain concepts and allow the network’s footprint to be even smaller. We compare different pruning criteria, including one from the field of Explainable AI (XAI), to determine which technique allows for the smallest possible network while maintaining high performance on the target task. Our results show the benefits of using network specialization when executing neural networks on embedded devices both with and without GPU acceleration.
    keywords: فشرده سازی شبکه عصبی | یادگیری ماشین | هوش مصنوعی قابل توضیح | هرس شبکه عصبی | استنتاج لبه | Neural network compression | Machine learning | Explainable AI | Neural network pruning | Edge inference


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 11
    حجم فایل: 716 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 815 :::::::: بازدید دیروز: 9785 :::::::: بازدید کل: 24733 :::::::: افراد آنلاین: 10