一种卷积神经网络的降维方法
机器学习
2024-01-22 v1 人工智能
数值分析
数值分析
摘要
本文的重点是将经典模型降阶技术（如主动子空间和本征正交分解）应用于深度神经网络。我们提出了一种通用方法，通过将上述降维技术与输入-输出映射（如多项式混沌展开和前馈神经网络）相结合，来减少预训练网络的层数。压缩现有卷积神经网络架构的必要性，源于其在具有特定存储约束的嵌入式系统中的应用。我们的实验表明，所得到的降维网络在节省内存分配的同时，可以达到与所考察的原始卷积神经网络相似的准确度水平。
引用
@article{arxiv.2110.09163,
title = {A Dimensionality Reduction Approach for Convolutional Neural Networks},
author = {Laura Meneghetti and Nicola Demo and Gianluigi Rozza},
journal= {arXiv preprint arXiv:2110.09163},
year = {2024}
}