| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2021-10-28 15:30 ニューロンの球面クラスタリングによる深層ニューラルネットワークモデル圧縮 ○坂本 慎・置田真生・伊野文彦（阪大）  NC2021-22 |
|
| 抄録 | （和） | 本論文では，深層ニューラルネットワーク(DNN)推論モデルの精度を維持しながらメモリ使用量および 計算量を削減する手法として，ニューロンの球面クラスタリングによる重み行列の圧縮手法を提案する.一般的な |
| （英） | In this paper, we propose weight matrix compression with spherical clustering of neurons , aiming at reducing memory usage and computational complexity while maintaining the accuracy of deep neural network (DNN) inference models. Compared with existing methods that use general k-means clustering, the proposed method reduces the information loss with compression by unit spherizing the weight vector space in advance. Furthermore, the proposed method embeds the vector norm separated by spherization into the weight matrix of the previous layer, in order to obtain the identical calculation results without additional computation and space. We conducted experiments with AlexNet of the DNN model to compare the predictability of compressed DNN models with the proposed method and an existing method. Experimental results show that the proposed method can improve the accuracy of prediction by up to 20 at the same column reduction ratio in the case of high sparsity of the weight matrix before compression. | |
| キーワード | （和） | 情報損失 / 枝刈り / k-means法 / 全結合層 / / / / |
| （英） | information loss / pruning / k-means / fully connected layer / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 223, NC2021-22, pp. 22-27, 2021年10月. | |
| 資料番号 | NC2021-22 | |
| 発行日 | 2021-10-21 (NC) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2021-22 |
|
| 研究会情報 | |
| 研究会 | MBE NC |
| 開催期間 | 2021-10-28 - 2021-10-29 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | NC,ME，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2021-10-MBE-NC |
| 本文の言語 | 日本語 |
| タイトル（和） | ニューロンの球面クラスタリングによる深層ニューラルネットワークモデル圧縮 |
| サブタイトル（和） | |
| タイトル（英） | A Deep Neural Network Model Compression with Spherical Clustering of Neurons |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 情報損失 / information loss |
| キーワード(2)（和/英） | 枝刈り / pruning |
| キーワード(3)（和/英） | k-means法 / k-means |
| キーワード(4)（和/英） | 全結合層 / fully connected layer |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 坂本 慎 / Shin Sakamoto / サカモト シン |
| 第1著者 所属（和/英） | 大阪大学大学院 (略称： 阪大) Osaka University (略称： Osaka Univ) |
| 第2著者 氏名（和/英/ヨミ） | 置田 真生 / Masao Okita / オキタ マサオ |
| 第2著者 所属（和/英） | 大阪大学大学院 (略称： 阪大) Osaka University (略称： Osaka Univ) |
| 第3著者 氏名（和/英/ヨミ） | 伊野 文彦 / Fumihiko Ino / イノ フミヒコ |
| 第3著者 所属（和/英） | 大阪大学大学院 (略称： 阪大) Osaka University (略称： Osaka Univ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-10-28 15:30:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2021-22 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.223 |
| ページ範囲 | pp.22-27 |
| ページ数 | 6 |
| 発行日 | 2021-10-21 (NC) |
[研究会発表申込システムのトップページに戻る]