一种用于物联网应用的改进型 LogNNet 分类器
机器学习
2022-01-14 v2 计算机视觉与模式识别
神经与进化计算
图像与视频处理
混沌动力学
摘要
在神经网络与物联网 (IoT) 时代，寻找能够在计算能力有限且内存小的设备上运行的新神经网络架构正成为一项紧迫议程。为 IoT 应用设计合适的算法是一项重要任务。本文提出一种前馈 LogNNet 神经网络，其使用半线性 Hénon 型离散混沌映射对 MNIST-10 数据集进行分类。该模型由储备池部分和可训练分类器组成。储备池部分的目的是利用一种特殊的矩阵填充方法和由混沌映射生成的时间序列来变换输入以最大化分类精度。混沌映射的参数使用带随机迁入的粒子群优化进行优化。结果表明，与原始版 LogNNet 相比，所提出的 LogNNet/Henon 分类器具有更高的精度且相同的 RAM 占用，并为在 IoT 设备中的实现提供了良好前景。此外，还展示了熵值与分类精度之间的直接关系。
引用
@article{arxiv.2105.14412,
title = {An improved LogNNet classifier for IoT application},
author = {Hanif Heidari and Andrei Velichko},
journal= {arXiv preprint arXiv:2105.14412},
year = {2022}
}
备注
9 pages, 7 figures