{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期部分”：[[2024,9,11]]，“日期时间”：“2024-09-11T11:54:41Z”，“时间戳”：1726055681549}，“出版商位置”：“查姆”，“引用计数”：41，“出版者”：“斯普林格国际出版”，“isbn-type”：[{“类型”：”打印“，“值”：“97830336752”}，{“类型”：“电子”，“value”：“9783030336769”｝]，“license”：[｛“start”：｛“date parts”：[[2019,11]，“date time”：“2019-01-01T00:00:00Z”，“timestamp”：1546300800000｝，“content version”：“tdm”，“delay in days”：0，“URL”：“http:\/\/www.springer.com\/tdm”｝，｛“start”：｛“date parts”：[[2019,11]，“date time”：“2019-01-01T00:00:00Z”，“timestamp”：1546300800000｝，“内容版本”：“tdm”，“delay-in-days”：0，“URL”：“http://www.springer.com//tdm”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”：{“date-parts”：[[2019]]}，”DOI“：”10.1007\/978-3030-33676-9_10“，”type“：”book-chapter“，”created“：{”date-part“：[[2019,10,25]]，“日期时间”：“2019-10-25T13:20:30Z”，“时间戳”：1572009630000}，“页面”：“139-155”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”：“http://\/orcid.org\/00000-0002-1173-2720”，“authenticated-orcid”：false，“given”：“Chaithanya Kumar”，“family”：“Mummadi”，”sequence“：”first“，”affiliation“：[]}，{“orcid”：”http://\/orcid.org\/0000-0001-8039-4027“，”authentimated-orcid“：false”，“givin”：Tim“，”family“：”Genewein“，”segment“：”additional“，”从属关系“：[]}，”orcid“”：“http://\/orcid.org\/00000-0003-0930-9162”，“authenticated-orcid”：false，“given”：“Dan”，“family”：“Zhang”，“sequence”：“additional”，“affiliation”：[]}，{“orcid”：”http://\/orcid.org\/20000-0002-6282-8861“，“authorited-orcid”：false，“giving”：“Thomas”，“家族”：“Brox”，“序列”：“附加”，“从属关系”：[]}，\\/orcid.org\\0000-0001-5437-4030“，“authenticated-orcid”：false，“given”：“Volker”，“family”：“Fischer”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[[2019,10,25]}，“reference”：[{“key”：”10_CR1“，“unstructured”：“Achterhold，J.，Koehler，J.M.，Schmeink，A.，Genewein，T.：变分网络量化。In:ICLR2018（2018）”}，{“键“：”10_CR2“，“非结构化”：“Alvarez，J.M.，Salzmann，M.：学习深层网络中的神经元数量。in:Advances in Neural Information Processing Systems（NIPS），pp.2270\u20132278（2016）”}，{“key”：“10_CR3”，“unstructured”：“Chen，W.，Wilson，J.，Tyree，S.，Weinberger，K.，Chen，Y.：用散列技巧压缩神经网络。In:机器学习国际会议（ICML），第2285\u20132294页（2015）”}，{“key”：“10_CR4”，“非结构化”：“Cheng，Y.，Wang，D.，Zhou，P.，Zhang，T.：深度神经网络模型压缩和加速研究综述。arXiv:1710.09282\n\n（2017）”}，{“key”：“10_CR5”，“非结构化”:“Courbariaux，M.，Hubara，I.，Soudry，D.，El-Yaniv，R.，Bengio，Y.：二值化神经网络：训练权重和激活限制为+1或\n\n\n\n$$-$$\n\n\n-\n\n\n 1。\n arXiv:1602.02830\n\n（2016）“}，{“key”：“10_CR6”，“unstructured”：“Federici，M.，Ullrich，K.，Welling，M.：改进的贝叶斯压缩。\n arXiv:1711.06494\n\nFrankle，J.，Carbin，M.：彩票假设：寻找小型可训练神经网络。\n arXiv:1803.03635\n\n（2018）“}，{“key”：“10_CR8”，“unstructured”：“Ghosh，S.，Yao，J.，Doshi-Velez，F.：具有马蹄形先验的贝叶斯神经网络的结构化变分学习。\n arXiv:1806.05975\n\n（2018key“：”10_CR9“，”unstructured“：”Gong，Y.，Liu，L.，Yang，M.，Bourdev，L.：使用矢量量化压缩深度卷积网络。\n arXiv:1412.6115\n\n（2014）“}，{“key”：“10_CR10”，“unstructured”：“Guo，Y.，Yao，A.，Chen，Y.：高效DNN的动态网络手术。In:Advances In Neural Information Processing Systems（NIPS），pp.1379\u20131387（2016）”}，}“issue”：“11”，“key“：”10_CR11“，“doi-asserted-by”：“publisher“，”first page“：”5784“，”DOI“：”10.1109\/TNNLS.2018.2808319“，”volume“：“29”，”author“：”P Gysel“，”year“：”2018“，”unstructured“：”Gysel，P.，Pimentel，J.，Motamedi，M.，Ghiasi，S.：Ristretto：卷积神经网络资源效率推断实证研究框架。IEEE传输。神经网络。学习。系统。29（11），5784\u20135789（2018）“，“期刊标题”：“IEEE Trans。神经网络。学习。系统。“}，{”key“：”10_CR12“，”unstructured“：”Han，S.，Mao，H.，Dally，W.J.：“深度压缩：使用剪枝、训练量化和Huffman编码压缩深度神经网络。In:国际学习表征会议（ICLR）（2016）“}”，{“key”：“10_CR13”，“unstructure”：“”Han，S.，et al.：DSD：用密集稀疏密集训练流正则化深层神经网络。In：国际学习表征会议（ICLR）（2017）“}，{“key”：“10_CR14”，“unstructured”：“Han，S.，Pool，J.，Tran，J.和Dally，W.：学习有效神经网络的权重和连接。In：神经信息处理系统（NIPS）进展，第1135\u20131143页（2015）”}Hanson，S.J.，Pratt，L.Y.：比较最小网络构建和反向传播的偏差。In:Advances In Neural Information Processing Systems（NIPS），pp.177\u2013185（1989）“}，{“key”：“10_CR16”，“doi-asserted-by”：“crossref”，“unstructured”：“He，Y.，Zhang，X.，Sun，J.：加速超深层神经网络的通道修剪。In:International Conference on Computer Vision（ICCV），vol.2（2017）”，“doi”：“10.1109\/ICCV.2017.155”}10_CR17“，“非结构化”：“Howard，A.G.等人：手机：用于移动视觉应用的高效卷积神经网络。\n arXiv:1704.04861\n\n（2017）“}，{”key“：”10_CR18“，”unstructured“：”Hu，H.，Peng，R.，Tai，Y.W.，Tang，C.K.：网络修剪：一种面向高效深层架构的数据驱动神经元修剪方法。\n arXiv:1607.03250\n\n（2016）“}，{“key”：“10_CR19”，“unstructured”：“Huang，Z.，Wang，n.：深度神经网络的数据驱动稀疏结构选择。\n arXiv:1707.01213\n\n（2017）”}，}“issue”：“1”，“key“：”10_CR20“，”第一页“：”6869“，”卷“：”18“，”作者“：”I Hubara“，”年份“：”2017“，”非结构化“：”Hubara，I.，Courbariaux，M.，Soudry，D.，El-Yaniv，R.，Bengio，Y.：量化神经网络：训练具有低精度权重和激活的神经网络。J.马赫。学习。研究（JMLR）18（1），6869\u20136898（2017）“，“期刊标题”：“J.Mach。学习。Res.（JMLR）“}，{”key“：”10_CR21“，”unstructured“：”伊恩多拉、F.N.、汉、S.、莫斯科、M.W.、阿什拉夫、K.、Dally、W.J.、Keutzer、，K.：Squeezenet：Alexnet级精度，参数少50倍，型号大小为50万。\n arXiv:1602.07360\n\n（2016）“｝，｛”键“：”10_CR22“，”非结构化“：”Karaletsos，T.，R\u00e4tsch，G.：深度生成模型的自动相关性确定。\n arXiv:1505.07765\n\n（2015）“｝，｛”键“：”10_CR23“，”非结构化“：”Li，H.，Kadav，A.，Durdanovic，I.，Samet，H.、Graf，H.P.：高效卷积的剪枝过滤器。在：国际学习表示会议（ICLR）（2017）“}，{“key”：“10_CR24”，“doi asserted by”：“crossref”，“nonstructured”：“Liu，Z.，Li，J.，Shen，Z.，Huang，G.，Yan，S.，Zhang，C.：通过网络精简学习高效卷积网络。在：2017 IEEE国际计算机视觉会议（ICCV），第2755\u20132763页。IEEE（2017）“，“DOI”：“10.1109\/ICCV.2017.298”}，{“key”：“10_CR25”，“unstructured”：“Louizos，C.，Ullrich，K.，Welling，M.：深度学习的贝叶斯压缩。In:Advances In Neural Information Processing Systems（2017）”}Louizos，C.，Welling，M.，Kingma，D.P.：通过学习稀疏神经网络\n正则化。In:ICLR 2018（2018）“}，{“key”：“10_CR27”，“doi-asserted-by”：“crossref”，“unstructured”：“Luo，J.H.，Wu，J.，Lin，W.：Thinet:一种用于深度神经网络压缩的过滤器级剪枝方法。In:ICCV 2017（2017）”，“doi”：“10.1109\/ICCV.2017.541”}，}“issue”：“3”，“key“：”10_CR28”，“doi-asserte-by”：“publisher”，《首页》：“469”，“DEI”：“”10.1088\/0954-898X_6_3_011“，“卷”：“6”，“作者”：“DJ MacKay”，“年份”：“1995”，“非结构化”：“MacKay，D.J.：概率网络和似是而非的预测-监督神经网络实用贝叶斯方法综述。Netw公司。计算。神经系统。6（3），469\u2013505（1995）“，“新闻标题”：“Netw。计算。神经系统。“}，{”key“：”10_CR29“，”unstructured“：”Molchanov，D.，Ashukha，A.，Vetrov，D.：变分丢失稀疏化了深度神经网络。In：ICML 2017（2017）“}”，{“key”：“10_CR30”，“unstructure”：“Molchanov.，P.，Tyree，S.，Karras，T.，Aila，T.、Kautz，J.：修剪卷积神经网络以实现资源高效推理。In:ICLR2017（201710_CR31“，”doi-asserted-by“：”crossref“，”unstructured“：”Neal，R.M.：“神经网络的贝叶斯学习。多伦多大学博士论文（1995）“，“DOI”：“10.1007\/978-1-4612-0745-0”}，{“key”：“10_CR32”，“unstructured”：“Neklyudov，K.，Molchanov，D.，Ashukha，A.，Vetrov，D.：通过对数正态乘性噪声进行结构化贝叶斯修剪。arXiv:1705.07283\n\n（2017）”}series-title“：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：“525”，“doi”：“10.1007\/978-3-319-46493-0_32”，“volume-title”：“Computer Vision\u2013 ECCV 2016”，“author”：“M Rastegari”，“year”：“2016”，《非结构化》：“Rastegali，M.，Ordonez，V.，Redmon，J.，Farhadi，答：XNOR-net：使用二进制卷积神经网络进行图像网络分类。收录人：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9908卷，第525\u2013542页。查姆施普林格（2016）。\n https://doi.org\/10.1007\/978-3-319-46493-0_32“}，{“key”：“10_CR34”，“doi-asserted-by”：“crossref”，“unstructured”：“Sze，V.，Chen，Y.H.，Yang，T.J.，Emer，J.：深层神经网络的高效处理：教程和调查。arXiv:1703.09039\n\n（2017）”，“DOI“：”10.1109 \/JPROC.2017.2761740“}，{“key”：“10_CR35”，“unstructured”：“Ullrich，K.，Meeds，E.，Welling，M.：神经网络压缩的软权重共享。In:ICLR 2017（2017）”}，}，“key“：”10_CR36“，”unstructure“：”Wen，W.、Wu，C.、Wang，Y.、Chen，Y.和Li，H.：学习深层神经网络中的结构化稀疏性。摘自：《神经信息处理系统进展》，第2074\u20132082（2016）页“}，{“key”：“10_CR37”，“first page”：”1439“，“volume”：：“3”，“author”：“J Weston”，“year”：“2003”，“unstructured”：“Weston，J.，Elisseeff，A.，Sch\u00f6lkopf，B.，Tipping，M.：零形式与线性模型和核方法的使用。J.Mach.Learn.Res.（JMLR）3，1439\u20131461（2003）“，“新闻标题”：“J.Mach。学习。Res.（JMLR）“}，{“key”：“10_CR38”，“unstructured”：“Wu，S.，Li，G.，Chen，F.，Shi，L.：深度神经网络中整数的训练和推理。arXiv:1802.04680\n\n（2018）”}，“{”key“：”10_CR39“，”unstructure“：”Ye，J.，Lu，X.，Lin，Z.，Wang，J.Z.：重新思考卷积层通道修剪中的小非正规信息假设。\n arXiv:1802.00124\n\n（2018）“}，{“key”：“10_CR40”，“unstructured”：“Zhou，A.，Yao，A.，Guo，Y.，Xu，L.，Chen，Y.：增量网络量化：朝向具有低精度权重的无损CNN。\n arXiv:1702.03044\n\n（2017）“}，{“key”：“10_CR41”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：”662“，“doi”：“10.1007\/978-3319-46493-0_40”，“volume-title”：”Computer Vision\u2013 ECCV 2016“，”author“：”H Zhou“，”年份“2016”，“unstructured”：“Zhou，H.，Alvarez，J.M.，Porikli，F.：少即是多：走向紧凑型CNN。收录人：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9908卷，第662\u2013677页。查姆施普林格（2016）。\n https:\/\/doi.org\/10.1007\/978-3-319-46493-0_40“}]，“container-title”：[“计算机科学课堂讲稿”，“模式识别”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“http://\/link.springer.com\/content\/pdf\/10.10007\/978-30-33676-9_10”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application“：”相似性检查“}]，”存放“：{”日期-部分“：[[2019,10,25]]，”日期-时间“：”2019-10-25T16:22:49Z“，”时间戳“：1572020569000}，”分数“：1，”资源“：{primary”：{“URL”：“http://\link.sprimary.com\/10007\/978-3030-33676-9_10”}}，“副标题”：[]，“短标题”：[]，“已发布”：{“日期-部分”：[2019]]}，“ISBN”：[“9783030336752”，“978303036769“]，”references-count“：41，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-030-33676-9_10“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，“ISSN-type”：[{“type”:“print”，“value”：“0302-974”}，{“类型”：“electronic”，“value”：”1611-349“}]，“subject”：[]，“published”：{“date”parts“：[2019]]}，”assertion“：[{”value“：”2019年10月25日“，”order“：1，”name“：”first_online，“label”：“first online”，“group”：{“name”：“ChapterHistory”，“label:”Chapter History“}}，{“value”：“DAGM GCPR”，“order”：1，“name”:”conference_acrombit“，”label“：”conference-Acrombion“，”group“：{”name“：”ConferenceInfo“，”tabel“：“ConferenceInformation”}}“，{”value“：”模式识别德国会议“，”order“：2，”name“conference_name”，“标签”：“会议名称“，”组“：{“Name”：“ConferenceInfo”，“label”：“conferenceInformation”}}，{“value”：“Dortmund”，“order”：3，“Name”:“Conference_city”，“标签”：“会议城市”，“group”：会议信息“，”标签“：”会议信息“}}，{“value”：“2019”，“order”：5，“name”：“Conference_year”，“label”：“会议年”，“group”：{“name”:“ConferenceInfo”，“table”：“Conferency Information”}}会议信息“}}，{“value”：“2019年9月13日”，“order”：8，“name”：“Conference_end_date”，“label”：“会议结束日期”，“group”：dagm2019“，”order“：10，”name“：”conference_id“，”label“：”会议id“，”group“：“双盲”，“顺序”：1，“name“：”type“，”label“：”type“，”group“：｛”name“：”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“｝｝，｛”value“：”CMT“，”order“：2，”name“：”conference_management_system“，”label“：”会议管理系统“，”group“：｛”name“：”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“}}，{“value”：“91”，“order”：3，“name”：“number_of_submissions_sent_for_Review”，“label”：“发送供评审的提交数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息”（由会议主办方提供）number_of_full_papers_accepted”，“label”：“接受的全文数量”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”｝｝，｛“value”：“0”，“order”：5，“name”：“number_of_short_papers_accepted”，“label”：“接受的短文数量”，“group”：｛“name”：“ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“}}，{”value“：”47%-该值由等式“接受的全文数”/“发送供评审的提交数*100”计算，然后四舍五入为整数。“，”order“：6，”name“：”acceptance_rate_of_Full_Papers“，”标签“：”全文接受率”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”｝｝，｛“value”：“3”，“order”：7，“name”：“average_number_of_reviews_per_paper”，“label”：“每篇论文的平均评审数”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评议信息（由会议组织者提供）“}}，{“value”：“5”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个审阅者的平均论文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息（由大会组织者提供）”}}external_reviewers_involved“，”label“：”涉及外部审阅者“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行审阅信息（由会议组织者提供）“}}]}}