面向低内存 IoT 设备的神经网络及基于 Logistic 映射核的 MNIST 图像识别
神经与进化计算
2020-09-07 v2 新兴技术
适应与自组织系统
摘要
本研究提出一种使用基于 logistic 映射的滤波器（LogNNet）的神经网络。LogNNet 具有前馈网络结构，但拥有储备池神经网络的特性。由递归 logistic 映射设定的输入权重矩阵形成了将输入空间变换到高维特征空间的核。对 MNIST-10 中手写数字最有效的识别出现在 logistic 映射的混沌行为下。获得了分类精度与 Lyapunov 指数值的相关性。LogNNet 在 IoT 设备上实现的优势在于显著节省所用内存。同时，LogNNet 算法简单，且性能指标可与当前最佳的资源高效算法相媲美。所提出的网络架构使用总内存大小为 1 至 29 kB 的权重数组，达到了 80.3-96.3% 的分类精度。内存得以节省是由于处理器在网络运行期间利用 logistic 映射的解析方程依次计算所需权重系数。该神经网络可用于基于内存受限设备的 constrained 设备人工智能实现，这类设备是构建现代 IoT 环境中环境智能的组成部分。从研究角度看，LogNNet 有助于理解混沌对储备池型神经网络行为影响的基本问题。
引用
@article{arxiv.2006.02824,
title = {Neural Network for Low-Memory IoT Devices and MNIST Image Recognition Using Kernels Based on Logistic Map},
author = {Andrei Velichko},
journal= {arXiv preprint arXiv:2006.02824},
year = {2020}
}
备注
17 pages, 7 figures, 2 tables, 1 Appendix