AI研究使用多臂老虎机剪枝神经网络

研究人员开发了一种新颖的方法来剪枝卷积神经网络（CNN）中的特征图，以降低计算成本和存储需求。该方法利用多臂老虎机算法，特别是UCB1和Thompson Sampling，在最小化准确性损失的同时识别和移除冗余特征图。研究表明，这些基于老虎机的算法在MNIST、CIFAR-10和SVHN等各种数据集上，其准确性与未剪枝模型相当，并且显著优于传统的贪婪和基于幅度的剪枝技术。 AI

影响 这项研究通过降低计算负载和存储需求，可能带来更高效的AI模型，使其更容易部署。

排序理由 该条目是一篇学术论文，详细介绍了一种优化神经网络的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• CIFAR-10
• CIFAR-100
• convolutional neural network
• CUB-200-2011
• Friedman test
• LeNet-5
• MNIST database
• Multi-armed bandits for adjudicating documents in pooling-based evaluation of information retrieval systems
• Nemenyi test
• Oxford Flowers 102
• The Street View House Numbers Dataset
• Thompson sampling
• Upper Confidence Bound 1

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →