PulseAugur
中
实时 13:54:28
English(EN) On-Device Neural Architecture Search

设备端NAS优化神经网络以进行实时数据分析

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的设备端神经架构搜索（NAS）方法，专为近传感器计算而设计。该方法允许直接在部署设备上优化小型神经网络，以适应实时数据变化。该系统在意大利手语（ISL）数据集上进行了验证，与在Raspberry Pi 4上运行的现有方法相比，在RAM占用和准确性方面均有显著提高。在Case Western Reserve University（CWRU）数据集上的进一步验证表明，该方法在智能故障诊断等任务中具有更广泛的适用性。 AI

影响 使边缘设备上的AI模型更高效、更具适应性，从而提高实时应用的性能。

排序理由 这是一篇详细介绍神经架构搜索新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

设备端NAS优化神经网络以进行实时数据分析

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Andrea Mattia Garavagno, Edoardo Ragusa, Paolo Gastaldo, Antonio Frisoli, Claudio Loconsole ·

    On-Device Neural Architecture Search

    arXiv:2606.24900v1 Announce Type: new Abstract: This paper proposes a new approach to near-sensor computing, in which a lightweight Neural Architecture Search (NAS) is performed directly on the deployment device to find the best tiny neural architecture for analyzing the real-tim…

相关实体

相关话题