Buchumschlag

LNPT: Label-free Network Pruning and Training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xiao, Jinying, Li, Ping, Tang, Zhe, Nie, Jie
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SEVEN: Pruning Transformer Model by Reserving Sentinels
von: Xiao, Jinying, et al.
Veröffentlicht: (2024)

TED: Accelerate Model Training by Internal Generalization
von: Xiao, Jinying, et al.
Veröffentlicht: (2024)

EMP: Enhance Memory in Data Pruning
von: Xiao, Jinying, et al.
Veröffentlicht: (2024)

Training-free Graph Neural Networks and the Power of Labels as Features
von: Sato, Ryoma
Veröffentlicht: (2024)

DuoGPT: Training-free Dual Sparsity through Activation-aware Pruning in LLMs
von: Yin, Ruokai, et al.
Veröffentlicht: (2025)

Concurrent Training and Layer Pruning of Deep Neural Networks
von: Guenter, Valentin Frank Ingmar, et al.
Veröffentlicht: (2024)

MosaicDiff: Training-free Structural Pruning for Diffusion Model Acceleration Reflecting Pretraining Dynamics
von: Guo, Bowei, et al.
Veröffentlicht: (2025)

Quantifying Emergence in Neural Networks: Insights from Pruning and Training Dynamics
von: AlShinaifi, Faisal, et al.
Veröffentlicht: (2024)

CoRE: Enhancing Metacognition with Label-free Self-evaluation in LRMs
von: Li, Haoxi, et al.
Veröffentlicht: (2025)

Balanced Edge Pruning for Graph Anomaly Detection with Noisy Labels
von: Wang, Zhu, et al.
Veröffentlicht: (2024)

Supervised Robustness-preserving Data-free Neural Network Pruning
von: Meng, Mark Huasong, et al.
Veröffentlicht: (2022)

Soft Label Pruning and Quantization for Large-Scale Dataset Distillation
von: Lingao, Xiao, et al.
Veröffentlicht: (2026)

Online Training and Pruning of Deep Reinforcement Learning Networks
von: Guenter, Valentin Frank Ingmar, et al.
Veröffentlicht: (2025)

Post-Training Neural Network Pruning using Graph Curvature
von: Tan, Shuhang, et al.
Veröffentlicht: (2026)

Training-free Heterogeneous Model Merging
von: Xu, Zhengqi, et al.
Veröffentlicht: (2024)

Training-Free Dataset Pruning for Instance Segmentation
von: Dai, Yalun, et al.
Veröffentlicht: (2025)

Hierarchical Stage-Wise Training of Linked Deep Neural Networks for Multi-Building and Multi-Floor Indoor Localization Based on Wi-Fi RSSI Fingerprinting
von: Li, Sihao, et al.
Veröffentlicht: (2024)

ResPrune: Text-Conditioned Subspace Reconstruction for Visual Token Pruning in Large Vision-Language Models
von: Li, Xu, et al.
Veröffentlicht: (2026)

Variance-Based Pruning for Accelerating and Compressing Trained Networks
von: Berisha, Uranik, et al.
Veröffentlicht: (2025)

PAODING: A High-fidelity Data-free Pruning Toolkit for Debloating Pre-trained Neural Networks
von: Meng, Mark Huasong, et al.
Veröffentlicht: (2024)

Training-Free Restoration of Pruned Neural Networks
von: Lee, Keonho, et al.
Veröffentlicht: (2025)

Auto-Train-Once: Controller Network Guided Automatic Network Pruning from Scratch
von: Wu, Xidong, et al.
Veröffentlicht: (2024)

Explore and Establish Synergistic Effects Between Weight Pruning and Coreset Selection in Neural Network Training
von: Wan, Weilin, et al.
Veröffentlicht: (2025)

QAdaPrune: Adaptive Parameter Pruning For Training Variational Quantum Circuits
von: Kulshrestha, Ankit, et al.
Veröffentlicht: (2024)

PruneSymNet: A Symbolic Neural Network and Pruning Algorithm for Symbolic Regression
von: Wu, Min, et al.
Veröffentlicht: (2024)

The Right to be Forgotten in Pruning: Unveil Machine Unlearning on Sparse Models
von: Xiao, Yang, et al.
Veröffentlicht: (2025)

A Phone-based Distributed Ambient Temperature Measurement System with An Efficient Label-free Automated Training Strategy
von: Chen, Dayin, et al.
Veröffentlicht: (2024)

Reconstruct the Pruned Model without Any Retraining
von: Wang, Pingjie, et al.
Veröffentlicht: (2024)

Label Propagation Training Schemes for Physics-Informed Neural Networks and Gaussian Processes
von: Zhong, Ming, et al.
Veröffentlicht: (2024)

GraphDancer: Training LLMs to Explore and Reason over Graphs via Two-Stage Curriculum Post-Training
von: Bai, Yuyang, et al.
Veröffentlicht: (2026)

FASP: Fast and Accurate Structured Pruning of Large Language Models
von: Hu, Hanyu, et al.
Veröffentlicht: (2025)

Spectral Pruning for Recurrent Neural Networks
von: Furuya, Takashi, et al.
Veröffentlicht: (2021)

Rethinking Pruning for Backdoor Mitigation: An Optimization Perspective
von: Li, Nan, et al.
Veröffentlicht: (2024)

Magnitude-based Neuron Pruning for Backdoor Defens
von: Li, Nan, et al.
Veröffentlicht: (2024)

Fusing Pruned and Backdoored Models: Optimal Transport-based Data-free Backdoor Mitigation
von: Lin, Weilin, et al.
Veröffentlicht: (2024)

Is Complexity Required for Neural Network Pruning? A Case Study on Global Magnitude Pruning
von: Gupta, Manas, et al.
Veröffentlicht: (2022)

Mutual Information Preserving Neural Network Pruning
von: Westphal, Charles, et al.
Veröffentlicht: (2024)

Pruning and Quantization Impact on Graph Neural Networks
von: Khedri, Khatoon, et al.
Veröffentlicht: (2025)

A Three-regime Model of Network Pruning
von: Zhou, Yefan, et al.
Veröffentlicht: (2023)

Condense, Don't Just Prune: Enhancing Efficiency and Performance in MoE Layer Pruning
von: Cao, Mingyu, et al.
Veröffentlicht: (2024)