arXiv · Machine Learning· Rakesh Sengupta·· 8 小时前AI 评分42
基于偏序集建模的循环神经网络剪枝：修正理论与匹配稀疏度评估
Lattice-Based Pruning of Recurrent Neural Networks via Poset Modeling: A Corrected Theory and a Matched-Sparsity Evaluation
AI 导读
研究提出基于偏序集（poset）建模循环神经网络（RNN）依赖关系的剪枝方法，并修正了此前关于依赖格不可约元和关键集的理论。通过将阈值化依赖图压缩为强连通分量，构建依赖序、分级顺序评分和无环剪枝规则。在128单元LSTM的匹配稀疏度实验中，顺序评分未优于度数、PageRank或权重范数，训练权重也缺乏明显方向偏置。
来源：arXiv · Machine Learning · arxiv.org