[IEEE 2018年第24届国际模式识别会议(ICPR) - 中国北京(2018.8.20-2018.8.24)] 2018年第24届国际模式识别会议(ICPR) - 基于未训练卷积神经网络的储层计算用于图像识别

摘要： 储层计算因其训练过程简便且能处理时序数据而备受关注。该系统由表示为稀疏连接循环神经网络的储层部分和表示为简单回归模型的读出部分构成。在机器学习任务中，储层部分固定不变，仅需训练读出部分。虽然储层计算主要应用于时间序列预测与识别，但通过将图像数据视为像素值序列，同样可应用于图像识别。然而要利用原始图像数据实现高性能图像识别，需要包含大量神经元的大规模储层，这在计算机内存和计算成本方面形成瓶颈。为突破这一限制，我们提出将储层计算与未训练卷积神经网络相结合的新方法：在储层计算的预处理阶段，使用未训练卷积神经网络将原始图像数据转换为更小规模的特征图集。实验表明，相比既有研究，本方法能用更少可训练参数在图像识别任务中达到更高的分类准确率。