Зменшення об'єму обчислень на другому ступені ансамблевого класифікатора зі стекінгом на дронах-міношукачах

Анотація

Використання дронів для пошуку мін є перспективним напрямом, що дозволяє прискорити процес розмінування місцевості та зменшити небезпеку для людей. Для підвищення ймовірності виявлення мін на дронах використовують різнорідні за принципом дії датчики. Кожен із типів датчиків вимагає спеціалізованої обробки, що здійснюється на першому ступені ансамблевого класифікатора зі стекінгом. Об'єднання сигналів датчиків проводиться на другому ступені ансамблевого класифікатора, де зазвичай як нейронна мережа використовується багатошаровий персептрон. Прискорення обстеження місцевості вимагає, щоб обробка здійснювалася у реальному масштабі часу на обчислювальному обладнанні самого дрону. Це, своєю чергою, вимагає зменшення обсягу обчислень всіх алгоритмів, використовуваних на дроні. Стаття присвячена зменшенню обсягу обчислень під час реалізації багатошарового персептрона. Вихідна однорідна структура персептрона, коли кожен з нейронів попереднього шару має зв'язки з усіма нейронами наступного шару, є надмірною, оскільки не враховує особливості набору даних, що обробляється. У статті запропоновано методику знаходження балансу між розмірністю та кількістю шарів персептрону, інтервалом часу між процедурами проріджування зв'язків, кроком навчання та кількістю зв'язків, що видаляються, за один раз. Використання проріджування зв'язків з урахуванням інших параметрів дозволяє зменшити обсяг обчислень на 80 % і більше, зберігаючи і навіть збільшуючи якість класифікації. Видаляються зв'язки, які не вносять помітного внеску у якість класифікації, але вносять додатковий шум у процес навчання персептрона і формування результату на виході.