SL1ESN

新的SL1ESN方法提高了边缘计算时间序列分类的稀疏性

研究人员开发了一种名为平滑L1正则化回声状态网络（SL1ESN）的新方法，以提高资源受限环境中时间序列分类的效率。该方法促进了回声状态网络读出层的稀疏性，显著降低了模型大小和推理成本。实验表明，SL1ESN在集中式和联邦式设置中均能达到高稀疏度水平（75-95%），同时与密集基线相比保持了具有竞争力的准确性，使其适用于边缘计算和物联网应用。