ApproxANN: An Approximate Computing Framework for Artificial Neural Network
主要是解讀自己閱讀的這篇論文裏的3.1節部分——神經元關鍵性分析
- 定義關鍵性
神經元上小的擾動會導致大的輸出質量退化,這就是關鍵性神經元。退化越大,該神經元越關鍵。 - 關鍵性分析的舊方法
給每個神經元注入隨機誤差,記錄對最終輸出的影響 - 缺點
不實用,單個神經元影響太小,而無法被大規模網絡很好監測 - 本文的新方法
提出有效的基於理論的神經元關鍵性分析方法 - 具體
最終成本函數E=12∑k=1c(tk−zk)2=12||t−z||2
第i個神經元關鍵性,記作nci ,包括輸出層的ncoi 和隱藏層的nchi 。
可由其倒數表示nci=∂E∂neti
ncok=∂E∂netok=∂12∑ck=1(tk−zk)2∂zk.∂zk∂netok=−(tk−zk).f′(netok)
同理,
nchj=∂E∂yj.∂yj∂nethj=f′(nethj).∑t=1cncokwkj