研究人员开发了一种方法，用于优化微控制器上深度神经网络（DNN）的间歇式学习，特别适用于能量收集系统。该方法结合了硬件感知能量预测模型和多目标优化，以离线选择最优的DNN架构。能量预测器估算每层的推理和训练功耗，并考虑了检查点开销，在Cortex-M4 MCU上进行了验证，平均预测误差为16.6%。这项工作通过连接设计时优化和间歇式学习能力，促进了边缘设备的自主AI。 AI
影响 为低功耗、能量受限的边缘设备上更强大、更自主的AI应用提供了支持。
排序理由 学术论文，详细介绍了优化微控制器上DNN的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
