論文の概要: Achieving Low Complexity Neural Decoders via Iterative Pruning

• arxiv url: http://arxiv.org/abs/2112.06044v1
• Date: Sat, 11 Dec 2021 18:33:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-14 19:16:19.807223
• Title: Achieving Low Complexity Neural Decoders via Iterative Pruning
• Title（参考訳）: イテレーティブ・プルーニングによる低複雑性ニューラルデコーダの実現
• Authors: Vikrant Malik, Rohan Ghosh and Mehul Motani
• Abstract要約: ニューラルデコーダにおけるプルーフウェイトに対する反復的プルーニング手法について検討する。 ウェイト数が少ないデコーダは、レイテンシが低く、複雑さも低い。 これにより、計算能力に制限のあるモバイルや他のエッジデバイスに、ニューラルデコーダをより適合させることができる。
• 参考スコア（独自算出の注目度）: 33.774970857450086
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The advancement of deep learning has led to the development of neural decoders for low latency communications. However, neural decoders can be very complex which can lead to increased computation and latency. We consider iterative pruning approaches (such as the lottery ticket hypothesis algorithm) to prune weights in neural decoders. Decoders with fewer number of weights can have lower latency and lower complexity while retaining the accuracy of the original model. This will make neural decoders more suitable for mobile and other edge devices with limited computational power. We also propose semi-soft decision decoding for neural decoders which can be used to improve the bit error rate performance of the pruned network.
• Abstract（参考訳）: ディープラーニングの進歩は、低レイテンシ通信のためのニューラルデコーダの開発につながった。 しかし、神経デコーダは非常に複雑で、計算量やレイテンシが増加する可能性がある。 我々は,ニューラルネットワークデコーダの重み付けをプルーニングする反復的プルーニング手法(宝くじ仮説アルゴリズムなど)について検討する。 重みの少ないデコーダは、元のモデルの精度を維持しながら、レイテンシと複雑さを低下させる可能性がある。 これにより、計算能力に制限のあるモバイルや他のエッジデバイスに適したニューラルデコーダが実現される。 また,prunedネットワークのビット誤り率性能を向上させるために,ニューラルネットワークデコーダのための半ソフトな決定復号法を提案する。

関連論文リスト

• Efficient Evaluation of Quantization-Effects in Neural Codecs [4.897318643396687]
  ニューラルコーデックのトレーニングには、量子化器の非ゼロ勾配を許容する技術が必要である。 本稿では,シミュレーションデータを用いたニューラルコーデックの効率的な評価手法を提案する。 内科的音声勾配と最先端のdescript-audio-codecに対する検討を行った。
  論文  参考訳（メタデータ） (2025-02-07T09:11:19Z)
• Verified Neural Compressed Sensing [58.98637799432153]
  精度の高い計算タスクのために、初めて(私たちの知識を最大限に活用するために)証明可能なニューラルネットワークを開発します。 極小問題次元(最大50)では、線形および双項線形測定からスパースベクトルを確実に回復するニューラルネットワークを訓練できることを示す。 ネットワークの複雑さは問題の難易度に適応できることを示し、従来の圧縮センシング手法が証明不可能な問題を解く。
  論文  参考訳（メタデータ） (2024-05-07T12:20:12Z)
• Convolutional neural network based decoders for surface codes [0.0]
  本稿では,畳み込みニューラルネットワークに基づくデコーダの研究について報告する。 その結果,畳み込みニューラルネットワークに基づくデコーダの性能は良好であり,異なるノイズモデルに適応できることがわかった。
  論文  参考訳（メタデータ） (2023-12-06T14:07:31Z)
• A Cryogenic Memristive Neural Decoder for Fault-tolerant Quantum Error Correction [0.0]
  インメモリ・クロスバー(IMC)アーキテクチャに基づくニューラルデコーダの設計と解析を行う。 ハードウェアを意識したリトレーニング手法を開発し、フィデリティ損失を軽減する。 この研究は、フォールトトレラントQECの統合のためのスケーラブルで高速で低消費電力のMCCハードウェアへの経路を提供する。
  論文  参考訳（メタデータ） (2023-07-18T17:46:33Z)
• Neural network decoder for near-term surface-code experiments [0.7100520098029438]
  ニューラルネットワークデコーダは従来のデコーダに比べて論理的誤り率を低くすることができる。 これらのデコーダは物理エラー率に関する事前情報を必要としないため、高度に適応可能である。
  論文  参考訳（メタデータ） (2023-07-06T20:31:25Z)
• The END: An Equivariant Neural Decoder for Quantum Error Correction [73.4384623973809]
  データ効率のよいニューラルデコーダを導入し、この問題の対称性を活用する。 本稿では,従来のニューラルデコーダに比べて精度の高い新しい同変アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-04-14T19:46:39Z)
• NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
  本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。 所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。 ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
  論文  参考訳（メタデータ） (2022-09-29T04:06:00Z)
• Variable Bitrate Neural Fields [75.24672452527795]
  本稿では,特徴格子を圧縮し,メモリ消費を最大100倍に削減する辞書手法を提案する。 辞書の最適化をベクトル量子化オートデコーダ問題として定式化し、直接監督できない空間において、エンドツーエンドの離散神経表現を学習する。
  論文  参考訳（メタデータ） (2022-06-15T17:58:34Z)
• Adversarial Neural Networks for Error Correcting Codes [76.70040964453638]
  機械学習(ML)モデルの性能と適用性を高めるための一般的なフレームワークを紹介する。 本稿では,MLデコーダと競合する識別器ネットワークを組み合わせることを提案する。 我々のフレームワークはゲーム理論であり、GAN(Generative Adversarial Network)によって動機付けられている。
  論文  参考訳（メタデータ） (2021-12-21T19:14:44Z)
• Dynamic Neural Representational Decoders for High-Resolution Semantic Segmentation [98.05643473345474]
  動的ニューラル表現デコーダ(NRD)と呼ばれる新しいデコーダを提案する。 エンコーダの出力上の各位置がセマンティックラベルの局所的なパッチに対応するので、この研究では、これらの局所的なパッチをコンパクトなニューラルネットワークで表現する。 このニューラル表現により、意味ラベル空間に先行する滑らかさを活用することができ、デコーダをより効率的にすることができる。
  論文  参考訳（メタデータ） (2021-07-30T04:50:56Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。