面向高度受限物联网应用的三元混合神经-树网络
机器学习
2019-03-06 v1 机器学习
摘要
基于机器学习的应用日益普遍地出现在物联网设备中。这些设备的功耗和存储限制使得运行现代神经网络尤为困难，限制了可部署于物联网系统上的新应用数量。已有若干压缩技术被提出，各自存在权衡。我们提出了一种混合网络，它结合了当前基于神经和基于树的学习技术的优势以及三元量化，并展示了相关的模型设计空间的详细分析。使用该混合模型，我们相较于最先进的关键词 spotting 神经网络，在计算量上减少了 11.1%，模型大小减少了 52.2%，整体内存占用减少了 30.6%，且精度损失可忽略。
引用
@article{arxiv.1903.01531,
title = {Ternary Hybrid Neural-Tree Networks for Highly Constrained IoT Applications},
author = {Dibakar Gope and Ganesh Dasika and Matthew Mattina},
journal= {arXiv preprint arXiv:1903.01531},
year = {2019}
}