गतिक गहरे न्यूरल नेटवर्क: चयनात्मक निष्पादन द्वारा सटीकता-प्रभावशीलता व्यापार संतुलन का अनुकूलन

हम गतिक गहरे न्यूरल नेटवर्क (D2NN) का परिचय देते हैं, जो एक प्रकार का फीड-फॉरवर्ड गहरा न्यूरल नेटवर्क है जो चयनात्मक निष्पादन की अनुमति देता है। एक इनपुट दिए जाने पर, केवल D2NN न्यूरॉनों का एक उपसमुच्चय निष्पादित किया जाता है, और विशेष उपसमुच्चय का निर्धारण D2NN द्वारा स्वयं किया जाता है। इनपुट के आधार पर अनावश्यक गणना को काटकर, D2NN गणनात्मक प्रभावशीलता में सुधार का एक तरीका प्रदान करता है। गतिक चयनात्मक निष्पादन प्राप्त करने के लिए, D2NN एक फीड-फॉरवर्ड गहरे न्यूरल नेटवर्क (प्रवाहित जन्मजात ग्राफ) को नियंत्रक मॉड्यूल के साथ जोड़ता है। प्रत्येक नियंत्रक मॉड्यूल एक उप-नेटवर्क है जिसका आउटपुट एक निर्णय है जो यह नियंत्रित करता है कि क्या अन्य मॉड्यूल निष्पादित कर सकते हैं। D2NN को अंत से अंत तक प्रशिक्षित किया जाता है। D2NN में नियमित और नियंत्रक दोनों मॉड्यूल सीखने योग्य होते हैं और सटीकता और प्रभावशीलता दोनों को अनुकूलित करने के लिए संयुक्त रूप से प्रशिक्षित किए जाते हैं। ऐसा प्रशिक्षण बैकप्रोपागेशन को सुदृढीकरण सीखने के साथ एकीकृत करके प्राप्त किया जाता है। इमेज वर्गीकरण कार्यों पर विभिन्न D2NN आर्किटेक्चर के व्यापक प्रयोगों के साथ, हम दर्शाते हैं कि D2NN सामान्य और लचीले हैं, और प्रभावी रूप से सटीकता-प्रभावशीलता व्यापार संतुलन को अनुकूलित कर सकते हैं।