메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김건오 (경희대학교) 박성배 (경희대학교) 홍충선 (경희대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제30권 제6호
발행연도
2024.6
수록면
285 - 289 (5page)
DOI
10.5626/KTCP.2024.30.6.285

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
본 논문에서는 통신 오버헤드를 줄이고 연합학습 성능을 향상시키기 위해 APoZ 기반 가지치기 기법을 활용한 새로운 연합학습 프레임워크를 제안한다. APoZ 가지치기는 출력층의 피쳐맵에 기반하여 Convolutional Neural Network (CNN)의 각 뉴런의 중요도를 측정한다. 낮은 APoZ 값을 가진 뉴런을 제거함으로써, 연합학습에서 클라이언트와 중앙 서버 간에 전송되어야 하는 파라미터 수를 줄인 경량화된 CNN 모델을 얻을 수 있다. 본 논문에서는 VGG16과 ResNet50 모델을 사용하여 CIFAR-100 데이터 셋에서 이미지 분류 실험을 수행하여 제안 프레임워크를 평가했다. 제안 프레임워크는 VGG16의 파라미터수를 65% 줄이고, ResNet50의 파라미터 수를 54% 줄이면서 정확도는 유지할 수 있었다. 또한 통신 라운드당 VGG16은 약 30% ResNet50는 약 4%의 지연시간 감소를 확인했다.

목차

요약
Abstract
1. 서론
2. 시스템 모델
3. 제안 사항
4. 실험
5. 실험 결과
6. 결론
References

참고문헌 (8)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0