公共文化服务平台

搜索到535篇“ 剪枝策略“的相关文章

一种自适应进化剪枝策略的联邦学习方法: 本申请涉及联邦学习技术领域，特别是涉及一种自适应进化剪枝策略的联邦学习方法，通过在服务器端部署一个过参数化的超网网络来学习所有客户端多样的私有数据分布，同时每个客户端建立与其私有数据分布相适应的子网。通过结构化剪枝方法减...; 刘伟李健周维华潘风祥孙文红

确定网络模型剪枝策略的方法、装置、设备以及存储介质: 本申请实施例公开了确定网络模型剪枝策略的方法、装置、设备以及存储介质，涉及计算机视觉、深度学习等人工智能技术领域，具体可用于图像处理场景。该方法包括：采用针对目标硬件的网络模型的BN阈值搜索空间的配置信息，生成BN阈值搜...; 希滕张刚温圣召

基于剪枝策略的社交推荐系统防御算法: 2024年; 联邦学习参与者的不可信导致中心服务器难以有效监控或验证各客户端的数据与训练活动。研究将社交推荐系统中目标项目和目标用户的嵌入作为后门触发器,与其他项目和用户的嵌入相结合,生成带有后门的模型参数。针对该类型后门攻击,提出一种剪枝防御模型,该模型的剪枝在客户端进行,参与模型训练的每个节点独立执行基础剪枝操作,去除非必要的权重和神经元,在此基础上对图卷积网络进行加权剪枝。实验结果表明,该剪枝防御模型针对社交推荐系统中的联邦学习后门攻击有较好的防御能力。; 岳朋梁妍王天娇吴杰

基于批量归一化层的重要性解耦剪枝策略分析: 2024年; 阐述一种通过重要性分析进行解耦的深度学习自动稀疏-剪枝策略,通过重要性判断对神经网络强制进行通道级重要性解耦稀疏训练。该方法准确地解耦冗余通道,最小化剪枝后的精度损失。; 裘孜杰匡迎春; 关键词：智能技术

针对MUS求解问题的加强剪枝策略: 2024年; 极小不可满足子集(minimal unsatisfiable subsets,MUS)的求解是布尔可满足性问题中的一个重要子问题.对于一个给定的不可满足问题,其MUS的求解能够反映出问题中导致其不可满足的关键原因.然而,MUS的求解是一项极其耗时的任务,不同的剪枝过程将直接影响到搜索空间的大小、算法的迭代次数,从而影响算法的求解效率.提出一种针对MUS求解的加强剪枝策略ABC(accelerating by critical MSS),依据MSS、MCS、MUS这3者之间的对偶性和碰集关系特点,提出cMSS和subMUS概念,并总结出4条性质,即每个MUS必是subMUS的超集,进而在避免对MCS的碰集进行求解的情况下有效利用MUS和MCS互为碰集的特征,有效避免求解碰集时的时间开销.当subMUS不可满足时,则subMUS是唯一的MUS,算法将提前结束执行;当subMUS可满足时,则剪枝掉此节点,进而有效避免对求解空间中的冗余空间进行搜索.同时,通过理论证明ABC策略的有效性,并将其应用于目前最高效的单一化模型算法MARCO和双模型算法MARCO-MAM,在标准测试用例下的实验结果表明,该策略可以有效地对搜索空间进行进一步剪枝,从而提高MUS的枚举效率.; 蒋璐宇欧阳丹彤董博文张立明

联邦学习中的半异步分层聚合及模型剪枝策略研究: 在物联网和边缘计算技术快速发展的背景下,人工智能在边缘设备中的应用日益广泛。然而,传统的人工智能模型训练方法往往需要将设备产生的数据集中传输至云端进行统一训练,这种做法可能引发隐私泄露问题。为了解决基于数据聚合的模型训练...; 谭晓翔

一种基于剪枝策略的关键性电路单元定位方法: 一种基于剪枝策略的关键性电路单元定位方法，首先，网表解析及相关量的初始化；其次，构建满足均匀非伯努利序列分布特点的输入向量；接着，利用反向深度递归搜索算法设计一种面向非关键性互连导线的剪枝方法；然后，结合SCA方法实现了...; 肖杰诸玮东施展辉胡海根周乾伟季奇瓯孙紫文

基于可解释机器学习的神经网络软剪枝策略: 2023年; 软剪枝是重要的神经网络剪枝策略,但该策略通常只考虑滤波器参数大小或参数矩阵在空间的分布,忽略了参数编码的语义信息,忽略了滤波器参数与数据的紧密联系。为此,提出一种基于可解释机器学习的神经网络软剪枝策略,该策略通过结合可解释机器学习方法,分析滤波器对数据内容理解的重要程度,以该重要程度为指标进行滤波器的排序和剪枝。实验结果表明,该策略在VGG、ResNet模型、CIFAR10通用数据集上均取得了较好的剪枝效果,并具有可解释性,可充分挖掘滤波器参数与图像信息之间的相关性分布。; 李惠原徐奕徐国整

一种基于双相关剪枝策略神经网络的出水氨氮软测量方法: 本发明公开了一种基于双相关剪枝策略神经网络的出水氨氮软测量方法，首先采用高维互信息方法提取输入特征，降低输入冗余和计算复杂度；然后，提出了一种由生长方案和剪枝方案组成的自构建策略，对模糊神经网络模型进行动态优化得到基于双...; 杨丹周红标秦源汇任健徐浩渊刘帅祥

基于ESCS剪枝策略的闭频繁项集挖掘算法被引量：1: 2023年; 由于在现有的闭频繁项集挖掘算法中,剪枝策略相对单一,大都是针对1-项集进行剪枝,对2-项集和n-项集(n≥3)的剪枝策略相对匮乏,而有效的剪枝策略可以提前发现并剪掉大量没有希望的项集,因此改进闭频繁项集的剪枝策略对此类算法效率的提升具有很大的帮助。为此在ESCS(Estimated Support Co-occurrence Structure)结构基础上,提出针对2-项集的ESCS剪枝策略,并应用其将经典闭频繁项集挖掘算法DCI_Closed(Direct Count Intersect Closed)改进为DCI_ESCS(Direct Count Intersect Estimated Support Co-occurrence Structure)算法,同时对ESCS剪枝策略的效果加以验证。在多个公开数据集上、不同最小支持度阈值下,对改进前后算法时间性能进行比较实验。实验结果表明,改进的DCI_ESCS算法在事务和项集较长的、较稠密的数据集上表现良好,时间效率均有一定程度的提高。; 刘文杰杨海军; 关键词：剪枝策略数据挖掘

相关作者