利用集成 BNN 在边缘实现神经解码器
信息论
2021-06-21 v1 信号处理
math.IT
摘要
在本工作中，我们针对 TurboAE 等神经解码器提出二值化、三值化等极致压缩技术。这些方法将内存与计算量减少 64 倍，且性能优于量化（1-bit 或 2-bits）神经解码器。然而，由于二值网络与三值网络的表示能力有限，其性能不如实值解码器。为弥补此差距，我们进一步提出集成 4 个此类弱性能模型部署于边缘，以达成近似实值网络的性能。这些集成解码器分别在内存与计算上实现 16 倍和 64 倍节省，并有助于达到近似实值 TurboAE 的性能。
引用
@article{arxiv.2106.09925,
title = {Realizing Neural Decoder at the Edge with Ensembled BNN},
author = {Devannagari Vikas and Nancy Nayak and Sheetal Kalyani},
journal= {arXiv preprint arXiv:2106.09925},
year = {2021}
}