基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
深度神经网络已经被证明可以有效地解决图像、自然语言等不同领域的问题.同时,伴随着移动互联网技术的不断发展,便携式设备得到了迅速的普及,用户提出了越来越多的需求.因此,如何设计高效、高性能的轻量级神经网络,是解决问题的关键.详细阐述了3种构建轻量级神经网络的方法,分别是人工设计轻量级神经网络、神经网络模型压缩算法和基于神经网络架构搜索的自动化神经网络架构设计;同时,简要总结和分析了每种方法的特点,并重点介绍了典型的构建轻量级神经网络的算法;最后,总结现有的方法,并给出了未来发展的前景.
推荐文章
基于分组残差结构的轻量级卷积神经网络设计
卷积神经网络
分组
残差
分类性能
轻量
基于轻量级卷积神经网络的实时缺陷检测方法研究
卷积神经网络
深度可分离卷积
通道混洗
缺陷检测
基于轻量级卷积神经网络的GIS绝缘和机械故障诊断方法
气体绝缘金属封闭开关设备
故障诊断
轻量级卷积神经网络
迁移学习
电力物联网
面向移动平台的轻量级卷积神经网络架构
深度学习
卷积神经网络
深度可分离卷积
神经网络压缩
轻量级
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 轻量级神经网络架构综述
来源期刊 软件学报 学科 工学
关键词 轻量级神经网络 便携式设备 神经网络模型压缩 神经网络架构搜索 自动机器学习
年,卷(期) 2020,(9) 所属期刊栏目 智能嵌入式系统专题
研究方向 页码范围 2625-2653
页数 29页 分类号 TP183
字数 语种 中文
DOI 10.13328/j.cnki.jos.005942
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
轻量级神经网络
便携式设备
神经网络模型压缩
神经网络架构搜索
自动机器学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
软件学报
月刊
1000-9825
11-2560/TP
16开
北京8718信箱
82-367
1990
chi
出版文献量(篇)
5820
总下载数(次)
36
论文1v1指导