新框架统一了边缘设备的设备端学习

研究人员开发了一个名为嵌入式中心学习（ECL）的新框架，该框架统一了四种不同的设备端学习场景：少样本学习（FSL）、持续学习（CL）、零样本学习（ZSL）和上下文内学习（ICL）。该框架允许资源受限的边缘设备在不依赖云端处理的情况下适应和个性化预测，解决了能耗、延迟和隐私问题。在硅片上的演示表明，ECL在FSL字符识别方面取得了最先进的性能，并为关键词识别中的CL建立了硬件基线，同时在微瓦到毫瓦功耗预算内完成了ZSL和ICL的硬件演示。 AI

影响 通过允许设备端个性化而无需依赖云端，从而实现更智能、更具适应性的边缘设备。

排序理由 该集群包含一篇研究论文，详细介绍了新框架及其在各种学习场景和基准测试中的性能。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• continual learning
• Douwe Den Blanken
• embedder-centric learning
• Few-shot learning
• NeuroBench keyword FSCIL
• Omniglot
• RegBench
• zero-shot learning

• 论文
• 基础设施

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