Resumen

La poda es un método para comprimir el tamaño de un modelo de red neuronal, lo cual afecta la precisión y el tiempo de cálculo cuando el modelo realiza una predicción. En este artículo se plantea la hipótesis de que la proporción de poda está positivamente correlacionada con la escala de compresión del modelo pero no con la precisión de la predicción y el tiempo de cálculo. Para probar la hipótesis, se diseñó un grupo de experimentos y se utilizó MNIST como conjunto de datos para entrenar un modelo de red neuronal basado en TensorFlow. A partir de este modelo, se llevaron a cabo experimentos de poda para investigar la relación entre la proporción de poda y el efecto de compresión. Para la comparación, se establecieron seis proporciones de poda diferentes y los resultados experimentales confirmaron la hipótesis anteriormente mencionada.

• Materias:Seguridad informática Comunicación inalámbrica Internet de las cosas Ataques de denegación distribuida de servicio
• Subjects:Computer security Wireless communication Internet of things Distributed denial of service attacks
• Palabras claves:Poda; Modelo de red neuronal; Compresión; Precisión de predicción; Tiempo de cálculo; TensorFlow
• Keywords:Pruning; Neural network model; Compression; Prediction accuracy; Calculation time; TensorFlow