PulseAugur
中
实时 08:35:19
English(EN) Post-Training Neural Network Pruning using Graph Curvature

图曲率方法增强神经网络剪枝

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员引入了一种新颖的神经网络剪枝方法，该方法利用图论，特别是Ollivier-Ricci曲率（ORC）。该方法通过分析激活模式并计算称为神经曲率（NC）的度量来识别神经网络中的关键数据流和连接。在MNIST和CIFAR-100等图像数据集上的实验表明，与现有技术相比，基于NC的剪枝可以更有效地识别不重要的连接。 AI

影响 引入了一种基于图论的新颖方法来优化神经网络，有望实现更高效的模型。

排序理由 该集群包含一篇详细介绍神经网络剪枝新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Shuhang Tan, Jayson Sia, Paul Bogdan, Radoslav Ivanov ·

    使用图曲率进行训练后神经网络剪枝

    arXiv:2601.16366v2 Announce Type: replace Abstract: This paper provides a fresh view of the neural network (NN) pruning problem through the lens of graph theory. To achieve effective pruning, we aim to identify the main NN data flows and the corresponding NN connections that are …

相关实体

相关话题