메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
정필영 (인천대학교) 정재용
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제56권 제3호(통권 제496호)
발행연도
2019.3
수록면
42 - 51 (10page)
DOI
10.5573/ieie.2019.56.3.42

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2019

뉴로모픽 시스템을 위한 인수분해-프루닝 결합 기반 컨볼루셔널 레이어 압축 기법
정필영 ,  정재용 전자공학회논문지 2019.03 학술저널
뉴로모픽 시스템을 위한 인수분해-프루닝 결합 기반 컨볼루셔널 레이어 압축 기법
정필영 전자공학과 2019.01 학위논문

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 최소화하며 파라미터 수를 10배까지 감소시킬 수 있음을 보여준다.
#Deep Learning #Deep Neural Networks #Neuromorphic Computing #Sparse Networks #Compressing Parameters

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 컨볼루셔널 레이어 압축과 뉴로모픽 아키텍처
Ⅳ. 하이브리드 컨볼루셔널 레이어 압축 기법
Ⅴ. 실험결과 및 성능분석
Ⅴ. 결론
REFERENCES

참고문헌 (22)

참고문헌 신청
Yann LeCun / 2015 / Deep learning / Nature 521(7553):436~444 google schola Alex Krizhevsky / 2012 / Advances in neural information processing systems :1097~1105 google schola Ouais Alsharif / 2013 / End-to-end text recognition with hybrid hmm maxout models / arXiv preprint arXiv:1310.181 google schola Ali Sharif Razavian / 2014 / Cnn features off-the-shelf, an astounding baseline for recognition / Proc. IEEE Conference on Computer Vision and Pattern Recognition Workshops :512~519 google schola Yaniv Taigman / 2014 / Deepface, Closing the gap to human-level performance in face verification / Proc. Conf. on Computer Vision and Pattern Recognition :1701~1708 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

L1 목적 함수와 채널 프루닝을 이용한 얼굴 검출기 경량화
이석희 ,  장영균 ,  조남익 한국방송미디어공학회 학술발표대회 논문집 2020 .07
채널 프루닝 기반 모델 전문화를 통한 경량 신경망 추출 기법
진영화 ,  김종영 ,  최홍준 외 3명 한국정보과학회 학술발표논문집 2019 .12
가중치 프루닝 기법을 이용한 새로운 초경량 초해상화 심층신경망 구조
배준기 ,  양원영 ,  연주은 외 1명 한국정보과학회 학술발표논문집 2019 .06
비디오 인코더를 통한 딥러닝 모델의 정수 가중치 압축
김승환 ,  류은석 방송공학회논문지 2021 .11
데이터 기반 충격파 포착 기법을 활용한 고차 정확도 압축성 유동 해석
김동석 ,  주자연 ,  김종암 한국항공우주학회 학술발표회 초록집 2023 .11

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2019-569-000565870