18 feb 2020 año - Bayesian Optimization-Based Global Optimal Rank Selection for Compression of Convolutional Neural Networks (IEEE 2020)

Descripción:

提出了一种基于贝叶斯优化的全局最优秩选择方法(BayesOpt)，这是一种基于机器学习的全局优化技术。通过使用简单的目标函数和适当的优化方案，该方法产生了一个全局最优排序，该排序在计算复杂度和精度下降之间提供了很好的折衷。

结果:
实验结果表明，无论数据集的大小或CNN的各种结构特征，该算法都能识别出全局最优秩。在所有的多秩选择实验中，该方法比目前最先进的秩选择方法变分贝叶斯矩阵因式分解(VBMF)产生的秩具有更高的准确率和更低的计算复杂度。