Статья: Поперечнослойное разделение искусственных нейронных сетей для классификации изображений

В статье рассматриваются задачи модульного обучения искусственных нейронных сетей, а также исследуются возможности частичного использования модулей в условиях ограниченных вычислительных ресурсов. Предлагаемый метод основывается на свойствах
вейвлет-преобразования по разделению информации на высокочастотную и низкочастотную части. Используя наработки по вейвлет-преобразованию на основе сверточного слоя, авторы осуществляют поперечнослойное разделение сети на модули для дальнейшего частичного использования их на устройствах с малой вычислительной мощностью. Теоретическое обоснование такого подхода в статье подкрепляется экспериментальным разделением базы MNIST на 2 и 4 модуля и их последовательным использованием с замером точности и производительности. Выигрыш в производительности составил 2 и более раза при использовании отдельных модулей. Также с помощью AlexNet-подобной сети с использованием набора данных GTSRB проверены предложенные теоретические положения, при этом выигрыш производительности одного модуля составил 33 % без потери точности.

Информация о документе

Формат документа
PDF
Кол-во страниц
1 страница
Загрузил(а)
Лицензия
Доступ
Всем

Информация о статье

ISSN
0134-2452
EISSN
2412-6179
Префикс DOI
10.18287/2412-6179-CO-1278.
Журнал
КОМПЬЮТЕРНАЯ ОПТИКА
Год публикации
2024
Автор(ы)
Вершков Н. А., Бабенко М. Г., Кучукова Н. Н., Кучуков В. А., Кучеров Н. Н.

Статистика просмотров

Статистика просмотров статьи за 2025 год.

Ранее вы смотрели (10)