Adaptive Pruning of Deep Neural Networks for Resource-Aware Embedded Intrusion Detection on the Edge

要約

人工ニューラルネットワーク剪定は、ネットワークの予測機能を維持しようとしながら、人工ニューラルネットワークサイズを削減できる方法です。
これは、推論時間中にモデルを小さくまたは速くするために行われます。
この作業では、設計されているよりも単純なネットワークタイプを利用して、新しいサイバーセキュリティデータセットに一般化するための人工ニューラルネットワーク剪定方法の選択能力を分析します。
さまざまな剪定度を使用して各方法を分析し、各アルゴリズムが新しい環境にどのように反応するかを最もよく理解します。
これにより、タスクを検索したものの最も適切な剪定方法を決定することができました。
予想外に、それらの多くは問題によく一般化しないことを発見しました。

要約(オリジナル)

Artificial neural network pruning is a method in which artificial neural network sizes can be reduced while attempting to preserve the predicting capabilities of the network. This is done to make the model smaller or faster during inference time. In this work we analyze the ability of a selection of artificial neural network pruning methods to generalize to a new cybersecurity dataset utilizing a simpler network type than was designed for. We analyze each method using a variety of pruning degrees to best understand how each algorithm responds to the new environment. This has allowed us to determine the most well fit pruning method of those we searched for the task. Unexpectedly, we have found that many of them do not generalize to the problem well, leaving only a few algorithms working to an acceptable degree.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google