Buchumschlag

Compressing CNN models for resource-constrained systems by channel and layer pruning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sadaqa, Ahmed, Liu, Di
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Complexity-Driven CNN Compression for Resource-constrained Edge AI
von: Zawish, Muhammad, et al.
Veröffentlicht: (2022)

Learning effective pruning at initialization from iterative pruning
von: Liu, Shengkai, et al.
Veröffentlicht: (2024)

A 1-D CNN inference engine for constrained platforms
von: Mudraje, Ishwar, et al.
Veröffentlicht: (2025)

Operating critical machine learning models in resource constrained regimes
von: Selvan, Raghavendra, et al.
Veröffentlicht: (2023)

NIRVANA: Structured pruning reimagined for large language models compression
von: Ai, Mengting, et al.
Veröffentlicht: (2025)

A deeper look at depth pruning of LLMs
von: Siddiqui, Shoaib Ahmed, et al.
Veröffentlicht: (2024)

PUMA: margin-based data pruning
von: Maroto, Javier, et al.
Veröffentlicht: (2024)

Confident magnitude-based neural network pruning
von: Alvarez, Joaquin
Veröffentlicht: (2024)

Tight Compression: Compressing CNN Through Fine-Grained Pruning and Weight Permutation for Efficient Implementation
von: Chen, Xizi, et al.
Veröffentlicht: (2021)

Adaptive pruning-based Newton's method for distributed learning
von: Chen, Shuzhen, et al.
Veröffentlicht: (2023)

How can representation dimension dominate structurally pruned LLMs?
von: Xu, Mingxue, et al.
Veröffentlicht: (2025)

Elimination-compensation pruning for fully-connected neural networks
von: Ballini, Enrico, et al.
Veröffentlicht: (2026)

Splitwiser: Efficient LM inference with constrained resources
von: Aali, Asad, et al.
Veröffentlicht: (2025)

Cellular Automaton With CNN
von: Ashu, Valery, et al.
Veröffentlicht: (2025)

Scalable iterative pruning of large language and vision models using block coordinate descent
von: Rosenberg, Gili, et al.
Veröffentlicht: (2024)

Compact Bayesian Neural Networks via pruned MCMC sampling
von: Deo, Ratneel, et al.
Veröffentlicht: (2025)

Order of Compression: A Systematic and Optimal Sequence to Combinationally Compress CNN
von: Shen, Yingtao, et al.
Veröffentlicht: (2024)

A resource-constrained stochastic scheduling algorithm for homeless street outreach and gleaning edible food
von: Artman, Conor M., et al.
Veröffentlicht: (2024)

Pinet: Optimizing hard-constrained neural networks with orthogonal projection layers
von: Grontas, Panagiotis D., et al.
Veröffentlicht: (2025)

FNODE: Flow-Matching for data-driven simulation of constrained multibody systems
von: Wang, Hongyu, et al.
Veröffentlicht: (2025)

Color Recognition in Challenging Lighting Environments: CNN Approach
von: Maitlo, Nizamuddin, et al.
Veröffentlicht: (2024)

Attention is all you need for an improved CNN-based flash flood susceptibility modeling. The case of the ungauged Rheraya watershed, Morocco
von: Elghouat, Akram, et al.
Veröffentlicht: (2024)

PruneGCRN: Minimizing and explaining spatio-temporal problems through node pruning
von: García-Sigüenza, Javier, et al.
Veröffentlicht: (2025)

Predicting cognitive load in immersive driving scenarios with a hybrid CNN-RNN model
von: Khan, Mehshan Ahmed, et al.
Veröffentlicht: (2024)

Advanced deep architecture pruning using single filter performance
von: Tzach, Yarden, et al.
Veröffentlicht: (2025)

A general physics-constrained method for the modelling of equation's closure terms with sparse data
von: Chen, Tian, et al.
Veröffentlicht: (2025)

Easz: An Agile Transformer-based Image Compression Framework for Resource-constrained IoTs
von: Mao, Yu, et al.
Veröffentlicht: (2025)

Process-constrained batch Bayesian approaches for yield optimization in multi-reactor systems
von: Grimm, Markus, et al.
Veröffentlicht: (2024)

Efficient training for large-scale optical neural network using an evolutionary strategy and attention pruning
von: Yang, Zhiwei, et al.
Veröffentlicht: (2025)

CBOL-Tuner: Classifier-pruned Bayesian optimization to explore temporally structured latent spaces for particle accelerator tuning
von: Rautela, Mahindra, et al.
Veröffentlicht: (2024)

Automating modeling in mechanics: LLMs as designers of physics-constrained neural networks for constitutive modeling of materials
von: Tacke, Marius, et al.
Veröffentlicht: (2025)

In value-based deep reinforcement learning, a pruned network is a good network
von: Obando-Ceron, Johan, et al.
Veröffentlicht: (2024)

Divergent Token Metrics: Measuring degradation to prune away LLM components -- and optimize quantization
von: Deiseroth, Björn, et al.
Veröffentlicht: (2023)

Per-channel autoregressive linear prediction padding in tiled CNN processing of 2D spatial data
von: Niemitalo, Olli, et al.
Veröffentlicht: (2025)

HOG-CNN: Integrating Histogram of Oriented Gradients with Convolutional Neural Networks for Retinal Image Classification
von: Ahmed, Faisal
Veröffentlicht: (2025)

Multi-fidelity physics constrained neural networks for dynamical systems
von: Zhou, Hao, et al.
Veröffentlicht: (2024)

CommonKV: Compressing KV Cache with Cross-layer Parameter Sharing
von: Wang, Yixuan, et al.
Veröffentlicht: (2025)

Neural network relief: a pruning algorithm based on neural activity
von: Dekhovich, Aleksandr, et al.
Veröffentlicht: (2021)

Short-Term Electricity Demand Forecasting of Dhaka City Using CNN with Stacked BiLSTM
von: Akhter, Kazi Fuad Bin, et al.
Veröffentlicht: (2024)

The silence of the weights: a structural pruning strategy for attention-based audio signal architectures with second order metrics
von: Diecidue, Andrea, et al.
Veröffentlicht: (2025)