带加速模块的树突网络用于更快非线性映射与系统辨识
机器学习
2022-12-02 v2 计算机视觉与模式识别
机器学习
摘要
非线性映射是在线系统（如传感器系统与手机）中一项基本且普遍的需求。加速非线性映射将直接提升在线系统的速度。此前本文作者提出了一种树突网络（DD），其时间复杂度远低于现有非线性映射算法；然而 DD 中仍存在冗余计算。本文提出一种带加速模块（AC）的 DD，以进一步加速非线性映射。我们进行了三项实验来验证带 AC 的 DD 是否在保持 DD 的非线性映射特性与系统辨识特性的同时具有更低时间复杂度：第一项实验为一元非线性映射的精度与辨识，反映在线系统中使用带 AC 的 DD 处理基本函数的计算性能。第二项实验为多输入非线性系统的映射精度与辨识，反映通过带 AC 的 DD 设计在线系统的性能。最后，本文比较了 DD 与带 AC 的 DD 的时间复杂度，并通过重复实验分析理论原因。结果：带 AC 的 DD 保留了 DD 优良的映射与辨识特性且具有更低时间复杂度。意义：带 AC 的 DD 可用于大多数工程系统（如传感器系统），并将加速这些在线系统中的计算。带 AC 的 DD 代码见 https://github.com/liugang1234567/Gang-neuron
引用
@article{arxiv.2006.02901,
title = {Dendrite Net with Acceleration Module for Faster Nonlinear Mapping and System Identification},
author = {Gang Liu and Yajing Pang and Shuai Yin and Xiaoke Niu and Jing Wang and Hong Wan},
journal= {arXiv preprint arXiv:2006.02901},
year = {2022}
}
备注
Published in Mathematics