arXiv · ML· Gengcheng Lyu, Manuel R\"oder, Frank-Michael Schleif·· 2026-10-16AI 评分21
用于时间序列分类的平滑L1正则化稀疏联邦Echo State Networks
Sparse Federated Echo State Networks for Time-Series Classification via Smooth-L1 Regularization
AI 导读
提出SL1ESN,通过平滑L1正则化增强Echo State Networks读出层稀疏性,支持集中式训练与二阶联邦聚合。 在7个基准测试中,集中式设置读出层稀疏度达77%-95%,联邦设置达75%-95%;前5个基准精度差距均不超过0.7个点(集中式)或1.6个点(联邦式),联邦更新仅需几轮收敛。 结果证明稀疏读出能显著压缩模型存储、推理成本及服务器-客户端广播开销,适用于边缘计算与物联网部署。
来源:arXiv · ML · arxiv.org