{"product_id":"ieej-zt20223-084","title":"重みカーネルごとのプルーニングにおける精度向上手法の検討","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ: \u003c\/strong\u003e全国大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No: \u003c\/strong\u003e3-084\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【全国大会】令和4年電気学会全国大会論文集\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2022\/03\/01\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eA Study of Optimal Weight Kernels Pruning\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e直井駿一（東京都市大学）,瀬戸謙修（東京都市大学）\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語): \u003c\/strong\u003eShunichi Naoi (Tokyo City University),Kenshu Seto (Tokyo City University)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003e深層学習|画像認識|畳み込みニューラルネットワーク|枝刈り|非構造的枝刈り|Deep Learning|Image Recognition|Convolutional Neural Network|Pruning|Unstructured Pruning\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003e大規模化している畳込み畳み込みニューラルネットワーク（CNN）においては，組み込みシステム上に実装するために軽量化が必要となる。本研究ではCNN内の重みを一部0にするPruningにより軽量化を図る。0とする重みは重みカーネルごとに絶対値の総和を算出し，層ごとに最大値に対して一定の割合の値以下を0にする。またパラメータ削減による過学習抑制のため突然変異を導入する。突然変異の確率を0.1％とした場合，削減率85％程度までは認識精度が突然変異を導入しないものより1％程の上昇を確認した。\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e本誌掲載ページ: \u003c\/strong\u003e143-145 p\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e原稿種別: \u003c\/strong\u003e日本語\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ: \u003c\/strong\u003e388 Kバイト\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 2","offer_id":46402022768879,"sku":"IEEJ-ZT20223-084-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_b8724351-fe37-4c3d-9464-08b27c85f955.png?v=1744969104","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-zt20223-084","provider":"電気学会 電子図書館","version":"1.0","type":"link"}