메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
윤정민 (중앙대학교) 이은주 (중앙대학교) 진교훈 (중앙대학교) 장수진 (중앙대학교) 최주원 (중앙대학교) 고벽란 (중앙대학교) 김영빈 (중앙대학교)
저널정보
대한전자공학회 대한전자공학회 학술대회 2022년도 대한전자공학회 하계종합학술대회 논문집
발행연도
2022.6
수록면
2,776 - 2,779 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Transformer models achieve state-of-the-art results on various tasks. However, their attention mechanisms require complexity that grows quadratically with input sequence length. In this paper, we present core-token attention, which can improve efficiency with low computation on attention operations and loss of expressiveness. Core-token attention introduces a token pruning method to the self-attention matrix, reducing its dimension by removing unimportant tokens gradually through transformer layers. Our experimental evaluation of several classification tasks demonstrates the effectiveness of core-token attention, as it achieves better performance than vanilla self-attention with improvement in accuracy and F1 score while requiring low training memory.

목차

Abstract
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 실험
Ⅳ. 결론 및 향후 연구 방향
참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-569-001544096