可微分无权神经网络
原文中文，约300字，阅读约需1分钟。发表于：。本研究提出了一种基于互联查找表的可微分无权神经网络（DWN），解决了传统神经网络在边缘计算中的性能瓶颈。通过引入扩展有限差分技术及学习映射、学习缩减和谱正则化等新方法，DWN在多个边缘计算场景中表现出卓越的延迟、吞吐量和能效，展现其在高性能边缘计算应用中的潜力。
本文介绍了HyBNN，一种结合全精度变分自动编码器和任务特定二进制神经网络的新型结构。HyBNN通过全精度编码器提取特征，减少二元化带来的准确性损失，结合了深度神经网络的高准确性和二进制网络的快速训练及高功率效率。实验显示，HyBNN优于传统二进制网络。其联邦学习版本FedHyBNN保持了相同的准确性和高通信效率。
