基于svd的dnn裁剪方法和重训练.pdfVIP

下载本文档

3
0
约4.1万字
约 5页
2017-08-31 发布于天津
举报
版权申诉

基于svd的dnn裁剪方法和重训练.pdf

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于svd的dnn裁剪方法和重训练

( ) / 清华大学学报自然科学版年第卷第期 ISSN１０００Ｇ００５４２０１６５６７１４１７ / 　 ( ), , , CN１１Ｇ２２２３N 　JTsinhuaUniv SciTechnol ２０１６ Vol．５６ No．７７７２Ｇ７７６ g 基于的裁剪方法和重训练 SVD DNN , , , 邢安昊张鹏远潘接林颜永红　　　 ( , , ) 中国科学院声学研究所语言声学与内容理解重点实验室北京１００１９０ : ( ) , : ; ( ); 摘要深层神经网络的参数量巨大限制了其在一 Kewordsseech reconition dee neuralnetwork DNN 　 DNN y p g p ( ) sinularvaluedecom osition SVD g p . 些计算资源受限或是注重速度的应用场景中的应用为了 , ( ) 降低 DNN参数量有学者提出利用奇异值分解 SVD 对 , , DNN进行裁剪然而其方法缺乏自适应性因为它会从所 , 语音识别作为领先的人机交互方式在过去的 . 有隐层裁减掉同样数量的奇异值该文提出了一种基于奇 . ４０年里取得了很大的进步在传统的隐Markov模异值比率裁剪因子( , )的 sinularrate runin factor SRPF g p g 型( , )和混合模 hiddenMarkovmodelHMM Gauss . DNN裁剪方法该方法以数据驱动的方式分别为 DNN的