Fugu-MT 論文翻訳(概要): Bisimulations for Neural Network Reduction

論文の概要: Bisimulations for Neural Network Reduction

arxiv url: http://arxiv.org/abs/2110.03726v1
Date: Thu, 7 Oct 2021 18:24:58 GMT
ステータス: 処理完了
システム内更新日: 2021-10-12 08:47:09.161303
Title: Bisimulations for Neural Network Reduction
Title（参考訳）: ニューラルネットワークの低減のためのシミュレーション
Authors: Pavithra Prabhakar
Abstract要約: 本稿では、与えられたニューラルネットワークに意味論的に等価な還元されたネットワークを誘導するバイシミュレーションの概念を提案する。ほぼ二相的なニューラルネットワーク間の意味的偏差を定量化する。
参考スコア（独自算出の注目度）: 5.787117733071415
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a notion of bisimulation that induces a reduced network which is semantically equivalent to the given neural network. We provide a minimization algorithm to construct the smallest bisimulation equivalent network. Reductions that construct bisimulation equivalent neural networks are limited in the scale of reduction. We present an approximate notion of bisimulation that provides semantic closeness, rather than, semantic equivalence, and quantify semantic deviation between the neural networks that are approximately bisimilar. The latter provides a trade-off between the amount of reduction and deviations in the semantics.
Abstract（参考訳）: 本稿では,与えられたニューラルネットワークと意味的に等価な縮小ネットワークを誘導するバイシミュレーションの概念を提案する。最小のバイシミュレーション等価ネットワークを構成する最小化アルゴリズムを提案する。シミュレーション等価ニューラルネットワークを構成するリダクションは、リダクションのスケールで制限される。本稿では,ほぼ類似するニューラルネットワーク間の意味的偏差を定量化するために,意味的同値ではなく,意味的近接性を提供するバイシミュレーションの近似概念を提案する。後者は意味論における減量と偏差の間のトレードオフを提供する。

関連論文リスト

Semantic Loss Functions for Neuro-Symbolic Structured Prediction [74.18322585177832]
このような構造に関する知識を象徴的に定義した意味的損失をトレーニングに注入する。記号の配置に非依存であり、それによって表現される意味論にのみ依存する。識別型ニューラルモデルと生成型ニューラルモデルの両方と組み合わせることができる。
論文参考訳（メタデータ） (2024-05-12T22:18:25Z)
Syntactic vs Semantic Linear Abstraction and Refinement of Neural Networks [0.0]
抽象化はスケーラビリティを改善するための重要な検証テクニックです。分類ネットワークを抽象化するための従来のアプローチは、いくつかのニューロンをそれと十分に類似した1つに置き換えるものだった。本研究では、ニューロンを他のニューロンの線形結合に置き換えることにより、より柔軟な枠組みを提供する。
論文参考訳（メタデータ） (2023-07-20T14:10:40Z)
Fully Automatic Neural Network Reduction for Formal Verification [8.017543518311196]
到達可能性解析を用いたニューラルネットワークの完全自動・音量低減手法を提案する。音質は、低減されたネットワークの検証が元のネットワークの検証を必要とすることを保証します。提案手法は, ニューロンの数を, 小さい外近似で, 元のニューロン数のごく一部に減らすことができることを示す。
論文参考訳（メタデータ） (2023-05-03T07:13:47Z)
Semantic Strengthening of Neuro-Symbolic Learning [85.6195120593625]
ニューロシンボリックアプローチは一般に確率論的目的のファジィ近似を利用する。トラクタブル回路において,これを効率的に計算する方法を示す。我々は,Warcraftにおける最小コストパスの予測,最小コスト完全マッチングの予測,スドクパズルの解法という3つの課題に対して,アプローチを検証した。
論文参考訳（メタデータ） (2023-02-28T00:04:22Z)
Approximate Bisimulation Relations for Neural Networks and Application to Assured Neural Network Compression [3.0839245814393728]
本稿では,フィードフォワードニューラルネットワークに対する近似バイシミュレーション関係の概念を提案する。 2つのニューラルネットワーク間の近似バイシミュレーション誤差を計算するために,新しいニューラルネットワークマージ法を開発した。
論文参考訳（メタデータ） (2022-02-02T16:21:19Z)
Robustness Certificates for Implicit Neural Networks: A Mixed Monotone Contractive Approach [60.67748036747221]
暗黙のニューラルネットワークは、競合性能とメモリ消費の削減を提供する。入力逆流の摂動に関して、それらは不安定なままである。本稿では,暗黙的ニューラルネットワークのロバスト性検証のための理論的および計算的枠組みを提案する。
論文参考訳（メタデータ） (2021-12-10T03:08:55Z)
Artificial Neural Networks generated by Low Discrepancy Sequences [59.51653996175648]
我々は、高密度ネットワークグラフ上のランダムウォーキングとして、人工ニューラルネットワークを生成する。このようなネットワークはスクラッチからスパースを訓練することができ、高密度ネットワークをトレーニングし、その後圧縮する高価な手順を避けることができる。我々は,低差分シーケンスで生成された人工ニューラルネットワークが,より低い計算複雑性で,密度の高いニューラルネットワークの到達範囲内で精度を達成できることを実証した。
論文参考訳（メタデータ） (2021-03-05T08:45:43Z)
Provably Training Neural Network Classifiers under Fairness Constraints [70.64045590577318]
過パラメータのニューラルネットワークが制約を満たしていることを示す。公平なニューラルネットワーク分類器を構築する上で重要な要素は、ニューラルネットワークの非応答解析を確立することである。
論文参考訳（メタデータ） (2020-12-30T18:46:50Z)
A biologically plausible neural network for local supervision in cortical microcircuits [17.00937011213428]
我々は、明示的なエラーやバックプロパゲーションを避けるニューラルネットワークを訓練するためのアルゴリズムを導出する。我々のアルゴリズムは、大脳皮質の接続構造や学習規則に顕著な類似性を持つニューラルネットワークにマップする。
論文参考訳（メタデータ） (2020-11-30T17:35:22Z)
ResiliNet: Failure-Resilient Inference in Distributed Neural Networks [56.255913459850674]
ResiliNetは、分散ニューラルネットワークにおいて物理ノード障害に耐性を持たせるためのスキームである。 Failoutは、ドロップアウトを使用したトレーニング中の物理ノード障害条件をシミュレートし、分散ニューラルネットワークのレジリエンスを改善するように設計されている。
論文参考訳（メタデータ） (2020-02-18T05:58:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。