EUVIMEDOpdag EUVIMED
Open access · CC BY 4.0

КОНТРАСТИРОВАНИЕ ПАРАМЕТРОВ ОБУЧЕННОЙ НЕЙРОННОЙ СЕТИ

В.М. Гиниятуллин

Современные наукоемкие технологии (Modern High Technologies) · 2026-11-09 · (№10 2026) · 56-65

DOI: 10.17513/snt.40965 ↗

At a glance

Journal article in Современные наукоемкие технологии (Modern High Technologies), published on 2026-11-09. Written by В.М. Гиниятуллин. 23 references. The full text is freely available (open access, CC BY 4.0).

AbstractBibliografiske oplysningerCiteRelated studies

Abstract (original language)

Анализ литературных источников показал, что методы постобработки (квантование, прунинг, кластеризация по весу и т. п.) обученных нейронных сетей весьма популярны, однако считается, что за упрощением структуры нейронной сети следует ухудшение качества работы. В представляемой статье показана принципиальная возможность преобразования рабочего хода обученной нейронной сети к целочисленному виду без потери точности. Сравнивались результаты готовых решений и собственных реализаций нейронных сетей в большинстве случаев c более простыми структурами (один скрытый слой). Исследовалось влияние округления параметров нейронной сети на качество работы и структуру сети. В ряде случаев наблюдалось улучшение качества. Округление до целых чисел всех параметров нейрона позволяет утверждать, что он формализует сложную многозначную логическую функцию. Например, при квантовании функции активации тангенс гиперболический, в минимальном варианте, нейрон может реализовать функцию смешанной логики (троичной на входе [-1, 0, +1] и бинарной на выходе). В общем случае логика будет большей значности, симметричной относительно нуля ([-n…0…+n]). Округление производится послойно, начиная со входа, поразрядно округляются аргументы скалярного произведения: вектор входов и матрица весов, затем округляются параметры выходного нейрона: вход и вектор весов. Входные аргументы можно округлить до 1-2 десятичных знаков после запятой, что вполне приводимо к целым числам. В ряде случаев удалось добиться обнуления столбцов и/или строк матриц весов, что эквивалентно удалению нейронов из матрицы весов и/или удалению аргументов из вектора входов, следовательно, сокращается размерность входа нейронной сети. Ключевые слова: квантование, контрастирование, нейронная сеть, рабочий

Cite

APA

Гиниятуллин, В. (2026). КОНТРАСТИРОВАНИЕ ПАРАМЕТРОВ ОБУЧЕННОЙ НЕЙРОННОЙ СЕТИ. Современные наукоемкие технологии (Modern High Technologies), 56-65. https://doi.org/10.17513/snt.40965

Vancouver

Гиниятуллин В. КОНТРАСТИРОВАНИЕ ПАРАМЕТРОВ ОБУЧЕННОЙ НЕЙРОННОЙ СЕТИ. Современные наукоемкие технологии (Modern High Technologies). 2026:56-65. doi:10.17513/snt.40965

BibTeX
@article{2026,
  author = {Гиниятуллин, В.М.},
  title = {КОНТРАСТИРОВАНИЕ ПАРАМЕТРОВ ОБУЧЕННОЙ НЕЙРОННОЙ СЕТИ},
  journal = {Современные наукоемкие технологии (Modern High Technologies)},
  year = {2026},
  number = {№10 2026},
  pages = {56--65},
  doi = {10.17513/snt.40965}
}
Start for free →