연구진이 단일 학습 주기 내에서 신경망을 가지치기하는 새로운 방법인 점진적 크기 기반 가지치기를 제안했어요.
CIFAR-10 데이터셋에서 ResNet-18 모델의 정확도가 72.9%의 희소성을 가진 상태에서 95.12%로, 기존 LTH 방식보다 우수했어요.
VGG-19 모델에서 97.97%의 희소성에서도 93.44%의 정확도를 달성하여 GraSP 방식보다 높은 성능을 보였어요.
이 방법은 70~85%의 희소성 범위에서 밀집 모델과 거의 동일한 정확도를 유지하며, 단일 주기 가지치기의 효과적인 대안임을 입증했어요.