互信息可解释剪枝

剪枝过程透明可解释

基于互信息与全相关计算冗余的剪枝方法，能够清晰解释哪些神经元被移除及其原因，并取得了优于或与监督式剪枝方法相当的性能。

Hanjuan, Huang · Pao, Hsingkuo Kenneth

Neurocomputing 2025

技术优势

能解释为什么剪

方法基于互信息与全相关计算冗余，明确给出剪枝理由，使剪枝过程透明可解释。

能压缩模型大小

通过去除冗余神经元，降低模型复杂度，适用于全连接与卷积网络。

应用场景

• 模型压缩：压缩模型以便在资源受限设备上部署。
• 边缘AI：通过可解释剪枝，在边缘端实现可信模型压缩。
• 物联网设备：减小模型体积，适应物联网设备存储和算力限制。