Core Concepts
저비용 저신뢰도 및 고비용 고신뢰도 모델 간의 상관 관계를 잔여 함수로 모델링하여 효율적인 신뢰도 모델링 프레임워크를 제안합니다.
Abstract
Owen Davis, Mohammad Motamed, Raúl Tempone이 다중 신뢰도 신경망 컴퓨팅에 대한 연구를 발표했습니다.
잔여 다중 신뢰도 계산 프레임워크를 소개하고, 두 개의 신경망을 훈련하여 효율적인 고신뢰도 양의 프록시를 생성합니다.
이를 통해 계산 비용을 절감하고 정확도를 유지할 수 있음을 수치적 예제를 통해 입증합니다.
다양한 신뢰도 모델링 및 딥 신경망에 대한 키워드 및 MSC 2020 코드가 제공됩니다.
Stats
"우리는 εTOL에 대한 비용을 최소화하기 위해 NI ≪ N < Nθ를 가정합니다."
"WDNN은 WHF보다 훨씬 작으며, 딥 네트워크 평가 비용에 크게 의존합니다."
Quotes
"우리는 잔여 함수 F를 학습하는 ResNN에 의해 훈련된 비용이 DNN을 훈련하는 데 필요한 고비용 고신뢰도 데이터의 수보다 훨씬 적을 수 있다는 가정을 따릅니다."
"우리는 F가 고신뢰도 모델을 근사하는 데 필요한 DNN보다 훨씬 적은 복잡성을 가진 네트워크 ResNN으로 정확하게 근사될 수 있다는 것을 의미합니다."