Matches in SemOpenAlex for { <https://semopenalex.org/work/W4387029679> ?p ?o ?g. }
Showing items 1 to 62 of
62
with 100 items per page.
- W4387029679 endingPage "736" @default.
- W4387029679 startingPage "729" @default.
- W4387029679 abstract "개인 맞춤형 추천 시스템은 일상에 녹아 들어있다. 하지만 딥 러닝 기반 추천 시스템 모델에서 임베딩 레이어는 과거 유저가 상호 작용하는 아이템 수가 늘어남에 따라, 임베딩 테이블의 메모리 사용량이 늘어 산업용 AI 데이터 센터의 리소스 대부분을 차지하고 있다. 이 문제를 극복하기 위한 해결책 중 하나는 심층 신경망에서 유망한 압축 기법인 Tensor-Train (TT) 분해이다. 본 연구에서는 TT-분해 기법이 적용된 임베딩 레이어의 연산인 Tensor-Train Gather and Reduce (TT-GnR)에서 발생하는 불필요한 연산에 관해 분석하고 이를 해결하기 위해 아이템 벡터들을 하나로 묶는 연산 단위인 그룹을 정의하고 그룹 단위로 연산하여 불필요한 연산을 줄이는 Group Reduced TT-Gather and Reduce (GRT-GnR) 연산을 제안한다. 실험을 통해 기존 TT-GnR 연산에 비해 latency가 41% 감소한다." @default.
- W4387029679 created "2023-09-26" @default.
- W4387029679 creator A5033530860 @default.
- W4387029679 creator A5064400150 @default.
- W4387029679 creator A5070875054 @default.
- W4387029679 date "2023-09-30" @default.
- W4387029679 modified "2023-09-26" @default.
- W4387029679 title "Optimizing Computation of Tensor-Train Decomposed Embedding Layer" @default.
- W4387029679 doi "https://doi.org/10.5626/jok.2023.50.9.729" @default.
- W4387029679 hasPublicationYear "2023" @default.
- W4387029679 type Work @default.
- W4387029679 citedByCount "0" @default.
- W4387029679 crossrefType "journal-article" @default.
- W4387029679 hasAuthorship W4387029679A5033530860 @default.
- W4387029679 hasAuthorship W4387029679A5064400150 @default.
- W4387029679 hasAuthorship W4387029679A5070875054 @default.
- W4387029679 hasConcept C11413529 @default.
- W4387029679 hasConcept C154945302 @default.
- W4387029679 hasConcept C155281189 @default.
- W4387029679 hasConcept C171250308 @default.
- W4387029679 hasConcept C192562407 @default.
- W4387029679 hasConcept C2524010 @default.
- W4387029679 hasConcept C2779227376 @default.
- W4387029679 hasConcept C33923547 @default.
- W4387029679 hasConcept C41008148 @default.
- W4387029679 hasConcept C41608201 @default.
- W4387029679 hasConcept C45374587 @default.
- W4387029679 hasConcept C76155785 @default.
- W4387029679 hasConcept C82876162 @default.
- W4387029679 hasConceptScore W4387029679C11413529 @default.
- W4387029679 hasConceptScore W4387029679C154945302 @default.
- W4387029679 hasConceptScore W4387029679C155281189 @default.
- W4387029679 hasConceptScore W4387029679C171250308 @default.
- W4387029679 hasConceptScore W4387029679C192562407 @default.
- W4387029679 hasConceptScore W4387029679C2524010 @default.
- W4387029679 hasConceptScore W4387029679C2779227376 @default.
- W4387029679 hasConceptScore W4387029679C33923547 @default.
- W4387029679 hasConceptScore W4387029679C41008148 @default.
- W4387029679 hasConceptScore W4387029679C41608201 @default.
- W4387029679 hasConceptScore W4387029679C45374587 @default.
- W4387029679 hasConceptScore W4387029679C76155785 @default.
- W4387029679 hasConceptScore W4387029679C82876162 @default.
- W4387029679 hasIssue "9" @default.
- W4387029679 hasLocation W43870296791 @default.
- W4387029679 hasOpenAccess W4387029679 @default.
- W4387029679 hasPrimaryLocation W43870296791 @default.
- W4387029679 hasRelatedWork W1503053695 @default.
- W4387029679 hasRelatedWork W1572523360 @default.
- W4387029679 hasRelatedWork W1987753576 @default.
- W4387029679 hasRelatedWork W2052158784 @default.
- W4387029679 hasRelatedWork W2055709700 @default.
- W4387029679 hasRelatedWork W2380362089 @default.
- W4387029679 hasRelatedWork W2393954573 @default.
- W4387029679 hasRelatedWork W3033499831 @default.
- W4387029679 hasRelatedWork W4200330874 @default.
- W4387029679 hasRelatedWork W2779562428 @default.
- W4387029679 hasVolume "50" @default.
- W4387029679 isParatext "false" @default.
- W4387029679 isRetracted "false" @default.
- W4387029679 workType "article" @default.