面向边缘 AI 的早期退出预测编码神经网络
机器学习
2026-04-01 v2 人工智能
计算机视觉与模式识别
摘要
物联网正在变革诸多领域，传感器日益嵌入可穿戴设备、智能建筑与互联设备中。尽管深度学习能从物联网数据中提取有价值的洞察，传统模型对资源受限的边缘设备而言计算需求过高。此外，隐私关切与实时处理需求使得本地计算成为必要，而非基于云的解决方案。受大脑能效启发，我们提出了一种带早期退出的浅层双向预测编码网络，一旦达到性能阈值便动态中止计算。这降低了内存占用与计算开销，同时保持高准确率。我们使用 CIFAR-10 数据集验证了我们的方法。我们的模型以显著更少的参数量与更低的计算复杂度实现了可与深度网络媲美的性能，展示了受生物启发架构在高效边缘 AI 中的潜力。
引用
@article{arxiv.2309.02022,
title = {Early Exiting Predictive Coding Neural Networks for Edge AI},
author = {Alaa Zniber and Mounir Ghogho and Ouassim Karrakchou and Mehdi Zakroum},
journal= {arXiv preprint arXiv:2309.02022},
year = {2026}
}