Procesamiento de Datos Inteligente y Rápido para el Aprendizaje Profundo en Internet de las Cosas: Menos es Más

Los avances recientes en el aprendizaje profundo han producido resultados alentadores comparables y en algunos casos superiores a los de expertos humanos. Sin embargo, la gran cantidad de datos de entrada ha sido una tarea desalentadora para que el aprendizaje profundo se aplique ampliamente en el Internet de las Cosas (IoT) con procesamiento en tiempo real. El objetivo de este artículo es desarrollar un esquema de procesamiento de datos inteligente y rápido para un aprendizaje profundo más eficiente en términos computacionales que apoye aplicaciones adaptativas y en tiempo real, lo que podrá aumentar el espectro y la eficiencia energética en IoT. Proponemos aplicar el algoritmo de descomposición en valores singulares (SVD)-QR para el preprocesamiento del aprendizaje profundo para la entrada de datos a gran escala. Para la entrada de datos masivos, aplicamos la optimización de subespacios de memoria limitada para SVD (LMSVD)-QR para aumentar la velocidad de procesamiento de datos. Los resultados de simulación en el reconocimiento automatizado de dígitos manuscritos muestran que SVD-QR y LMSVD-QR pueden reducir tremendamente el número de entradas a la red neuronal de aprendizaje profundo sin perder su rendimiento, y ambos pueden aumentar enormemente la velocidad de procesamiento de datos para el aprendizaje profundo en IoT.