FG-SSA：基于特征梯度的线性复杂度卷积神经网络信号选择算法
信号处理
2023-02-27 v1 人工智能
机器学习
摘要
近年来，许多用于多信号时域数据分类的卷积神经网络（CNN）被提出。尽管某些信号对正确分类十分重要，但其他信号并非如此。当不包含重要分类信号的数据作为CNN输入层时，计算、内存和数据采集成本会增加。因此，从输入层中识别并剔除不重要的信号十分重要。在本研究中，我们提出了基于特征梯度的信号选择算法（FG-SSA），该算法可利用通过grad-CAM计算过程获得的特征梯度，找出并移除对分类不重要的信号。当定义N为信号数量时，所提算法的计算复杂度为线性时间O(N)，即具有较低的计算成本。我们使用OPPORTUNITY Activity Recognition数据集（一个包含人体活动加速度信号的开放数据集）验证了该算法的有效性。此外，我们观察到在保持较高分类泛化得分的情况下，FG-SSA从总共15个加速度信号（五个三轴传感器）中移除了平均6.55个信号。因此，所提算法FG-SSA在查找并移除对基于CNN的分类不重要的信号方面具有效果。
引用
@article{arxiv.2302.12711,
title = {FG-SSA: Features Gradient-based Signals Selection Algorithm of Linear Complexity for Convolutional Neural Networks},
author = {Yuto Omae and Yusuke Sakai and Hirotaka Takahashi},
journal= {arXiv preprint arXiv:2302.12711},
year = {2023}
}
备注
10 pages, 7 figures