Layer pruning with consensus: A triple-win solution (2025)
- Authors:
- USP affiliated authors: COSTA, ANNA HELENA REALI - EP ; CORREIA, ARTUR JORDÃO LIMA - EP ; DUARTE, CAROLINA TAVARES - EP ; MUGNAINI, LEANDRO GIUSTI - EP
- Unidade: EP
- DOI: 10.1109/ACCESS.2025.3601042
- Subjects: APRENDIZAGEM PROFUNDA; PODA; MÉTRICA; ROBUSTEZ
- Language: Inglês
- Imprenta:
- Publisher place: [Piscataway]
- Date published: 2025
- Source:
- Título: IEEE Access
- ISSN: 2169-3536
- Volume/Número/Paginação/Ano: v. 13, p.1481-148202, 2025
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
MUGNAINI, Leandro Giusti et al. Layer pruning with consensus: A triple-win solution. IEEE Access, v. 13, p. 1481-148202, 2025Tradução . . Disponível em: https://doi.org/10.1109/ACCESS.2025.3601042. Acesso em: 02 abr. 2026. -
APA
Mugnaini, L. G., Duarte, C. T., Reali Costa, A. H., & Correia, A. J. L. (2025). Layer pruning with consensus: A triple-win solution. IEEE Access, 13, 1481-148202. doi:10.1109/ACCESS.2025.3601042 -
NLM
Mugnaini LG, Duarte CT, Reali Costa AH, Correia AJL. Layer pruning with consensus: A triple-win solution [Internet]. IEEE Access. 2025 ; 13 1481-148202.[citado 2026 abr. 02 ] Available from: https://doi.org/10.1109/ACCESS.2025.3601042 -
Vancouver
Mugnaini LG, Duarte CT, Reali Costa AH, Correia AJL. Layer pruning with consensus: A triple-win solution [Internet]. IEEE Access. 2025 ; 13 1481-148202.[citado 2026 abr. 02 ] Available from: https://doi.org/10.1109/ACCESS.2025.3601042 - Tiny titans: Efficient large vision, language and multimodal models through pruning
- Efficient LLMs with AMP: attention heads and MLP pruning
- Pruning everything, everywhere, all at once
- When layers play the lottery, all tickets win at initialization
- Towards automatic and accurate core-log processing
- Effective layer pruning through similarity metric perspective
- One period to rule them all: identifying critical learning periods in deep networks
- Enhancing distilled datasets via natural data mixing
- The virtues of brevity: avoid overthinking in parallel test-time reasoning
- Extração de preferências sobre comportamentos observados
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Layer_Pruning_With_Consen... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
