Publicação em atas de evento científico
Distributive thermometer: A new unary encoding for weightless neural networks
Alan T. L. Bacellar (Bacellar, A. T. L.); Zachary Susskind (Susskind, Z.); Luis A. Q. Villon (Villon, L. A. Q. ); Igor D. S. Miranda (Miranda, I. D. S.); Leandro Santiago de Araújo (Araújo, L. S. de.); Diego Leonel Cadette Dutra (Dutra, D. L. C.); Maurício Breternitz (Breternitz Jr, M.); Lizy K. John (John, L. K.); Priscila Lima (Lima, P. M. V.); Felipe Maia Galvão França (França, F. M. G.); et al.
ESANN 2022 proceedings
Ano (publicação definitiva)
2022
Língua
Inglês
País
--
Mais Informação
Web of Science®

Esta publicação não está indexada na Web of Science®

Scopus

Esta publicação não está indexada na Scopus

Google Scholar

N.º de citações: 4

(Última verificação: 2024-11-18 15:54)

Ver o registo no Google Scholar

Abstract/Resumo
The binary encoding of real valued inputs is a crucial part of Weightless Neural Networks. The Linear Thermometer and its variations are the most prominent methods to determine binary encoding for input data but, as they make assumptions about the input distribution, the resulting encoding is sub-optimal and possibly wasteful when the assumption is incorrect. We propose a new thermometer approach that doesn’t require such assumptions. Our results show that it achieves similar or better accuracy when compared to a thermometer that correctly assumes the distribution, and accuracy gains up to 26.3% when other thermometer representations assume an unsound distribution.
Agradecimentos/Acknowledgements
--
Palavras-chave
  • Ciências da Computação e da Informação - Ciências Naturais
Registos de financiamentos
Referência de financiamento Entidade Financiadora
UIDB/04466/2020 Fundação para a Ciência e a Tecnologia
POCI-01-0247-FEDER-045912 Project FLOYD
UIDP/04466/2020 Fundação para a Ciência e a Tecnologia
Projetos Relacionados

Esta publicação é um output do(s) seguinte(s) projeto(s):