論文の概要: Cascaded Learned Bloom Filter for Optimal Model-Filter Size Balance and Fast Rejection

• arxiv url: http://arxiv.org/abs/2502.03696v1
• Date: Thu, 06 Feb 2025 01:05:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-07 14:29:26.365300
• Title: Cascaded Learned Bloom Filter for Optimal Model-Filter Size Balance and Fast Rejection
• Title（参考訳）: 最適モデルフィルタサイズバランスと高速リジェクションのためのカスケード学習ブルームフィルタ
• Authors: Atsuki Sato, Yusuke Matsui,
• Abstract要約: これらの問題に対処するために,カスケード学習ブルームフィルタ (CLBF) を提案する。 動的プログラミングに基づく最適化は、モデルとフィルタサイズの間の最適なバランスを実現する構成を自動的に選択する。 実世界のデータセットでの実験では、CLBFは最先端のBloomフィルタと比較してメモリ使用量を最大24%削減し、リジェクション時間を最大14倍削減している。
• 参考スコア（独自算出の注目度）: 12.555117983678624
• License:
• Abstract: Recent studies have demonstrated that learned Bloom filters, which combine machine learning with the classical Bloom filter, can achieve superior memory efficiency. However, existing learned Bloom filters face two critical unresolved challenges: the balance between the machine learning model size and the Bloom filter size is not optimal, and the reject time cannot be minimized effectively. We propose the Cascaded Learned Bloom Filter (CLBF) to address these issues. Our dynamic programming-based optimization automatically selects configurations that achieve an optimal balance between the model and filter sizes while minimizing reject time. Experiments on real-world datasets show that CLBF reduces memory usage by up to 24% and decreases reject time by up to 14 times compared to state-of-the-art learned Bloom filters.
• Abstract（参考訳）: 近年の研究では、機械学習と古典的なブルームフィルタを組み合わせた学習用ブルームフィルタが、より優れたメモリ効率を実現することが示されている。 しかし、既存の学習されたブルームフィルタは、2つの重要な未解決課題に直面している。 これらの問題に対処するために,カスケード学習ブルームフィルタ (CLBF) を提案する。 動的プログラミングに基づく最適化では、リジェクション時間を最小化しながら、モデルとフィルタサイズの間の最適なバランスを実現する構成を自動的に選択する。 実世界のデータセットでの実験では、CLBFは最先端のBloomフィルタと比較してメモリ使用量を最大24%削減し、リジェクション時間を最大14倍削減している。

関連論文リスト

• A Privacy Model for Classical & Learned Bloom Filters [0.0]
  古典ブルームフィルタ (CBF) は確率データ構造 (PDS) のクラスである。 Learned Bloom Filter (LBF) は古典的ブルームフィルタと学習モデルを組み合わせた PDS のクラスである。
  論文  参考訳（メタデータ） (2025-01-27T03:35:25Z)
• Adversary Resilient Learned Bloom Filters [0.4910937238451484]
  本研究では,学習ブルームフィルタの強敵対モデルを定義する。 本稿では,本モデルを用いて,ボデガ中心街フィルタと呼ばれる学習ブルームフィルタの逆レジリエントな変種を構築した。
  論文  参考訳（メタデータ） (2024-09-10T14:37:43Z)
• Filter Pruning for Efficient CNNs via Knowledge-driven Differential Filter Sampler [103.97487121678276]
  フィルタプルーニングは同時に計算を加速し、CNNのメモリオーバーヘッドを低減する。 本稿では,MFM(Masked Filter Modeling)フレームワークを用いた知識駆動型微分フィルタサンプリング(KDFS)を提案する。
  論文  参考訳（メタデータ） (2023-07-01T02:28:41Z)
• A Critical Analysis of Classifier Selection in Learned Bloom Filters [0.3359875577705538]
  フィルタ構築に使用されるデータの"複雑さ"は、そのパフォーマンスに大きく影響する可能性がある。 本稿では,学習ブルームフィルタの設計,解析,実装のための新しい手法を提案する。 提案手法とサポートソフトウェアは有効かつ有用であることを示す実験結果が得られた。
  論文  参考訳（メタデータ） (2022-11-28T17:17:18Z)
• Compressing (Multidimensional) Learned Bloom Filters [7.6058140480517356]
  Bloomフィルタは、要素が基礎となる集合に含まれていないか、あるいは特定のエラー率に含まれていないかを明らかにする。 ディープラーニングモデルは、このメンバシップテストの問題を解決するために使用される。 学習したブルームフィルタの利点は、膨大なデータを考慮する場合にのみ明らかである。
  論文  参考訳（メタデータ） (2022-08-05T07:54:48Z)
• Pruning Networks with Cross-Layer Ranking & k-Reciprocal Nearest Filters [151.2423480789271]
  フィルタレベルのネットワークプルーニングには,CLR-RNFと呼ばれる新しいプルーニング法が提案されている。 我々は,CIFAR-10 と ImageNet で画像分類を行い,CLR-RNF が最先端技術よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-02-15T04:53:24Z)
• Learning Versatile Convolution Filters for Efficient Visual Recognition [125.34595948003745]
  本稿では,効率的な畳み込みニューラルネットワーク構築のための多目的フィルタを提案する。 本稿では,ネットワークの複雑性に関する理論的解析を行い,効率的な畳み込み手法を提案する。 ベンチマークデータセットとニューラルネットワークの実験結果は、我々の汎用フィルタが元のフィルタと同等の精度を達成できることを実証している。
  論文  参考訳（メタデータ） (2021-09-20T06:07:14Z)
• Training Compact CNNs for Image Classification using Dynamic-coded Filter Fusion [139.71852076031962]
  動的符号化フィルタ融合(DCFF)と呼ばれる新しいフィルタプルーニング法を提案する。 我々は、効率的な画像分類のために、計算経済的および正規化のない方法でコンパクトなCNNを導出する。 我々のDCFFは、72.77MのFLOPと1.06Mのパラメータしか持たないコンパクトなVGGNet-16を導出し、トップ1の精度は93.47%に達した。
  論文  参考訳（メタデータ） (2021-07-14T18:07:38Z)
• Unsharp Mask Guided Filtering [53.14430987860308]
  本論文の目的は,フィルタ中の構造伝達の重要性を強調した画像フィルタリングである。 アンシャープマスキングにインスパイアされたガイドフィルタの新しい簡易な定式化を提案する。 我々の定式化は低域フィルタに先立ってフィルタを楽しみ、単一の係数を推定することで明示的な構造伝達を可能にする。
  論文  参考訳（メタデータ） (2021-06-02T19:15:34Z)
• Data Agnostic Filter Gating for Efficient Deep Networks [72.4615632234314]
  現在のフィルタプルーニング法は主に特徴写像を利用してフィルタの重要なスコアを生成し、より小さなスコアのプルーンを生成する。 本稿では,Daggerモジュールと呼ばれる補助的ネットワークを用いてプルーニングを誘導するデータフィルタプルーニング手法を提案する。 さらに,特定のFLOP制約でプルーネフィルタを支援するために,明示的なFLOPを意識した正規化を活用して,プルーニングフィルタを直接対象のFLOPに向けて推進する。
  論文  参考訳（メタデータ） (2020-10-28T15:26:40Z)
• Partitioned Learned Bloom Filter [31.748077944821315]
  最適化問題として最適モデル利用の問題の枠組みを示す。 多くの場合、ほぼ最適性能を達成できるアルゴリズムを導出する。
  論文  参考訳（メタデータ） (2020-06-05T00:05:32Z)

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。