新的TGL-NSGA-II框架增强了TinyML神经网络架构搜索

研究人员开发了一个名为教师引导学习NSGA-II（TGL-NSGA-II）的新框架，以提高进化优化在Tiny Machine Learning（TinyML）神经网络架构搜索中的效率。该方法使用预训练的教师模型按难度和类别对候选样本进行分层，从而实现更专注、更高效的评估过程。通过采用上限知识蒸馏程序和高斯过程代理，TGL-NSGA-II显著降低了评估方差，并与传统方法相比实现了更快的搜索时间，在关键词识别和鸟叫分类任务上表现出改进的性能。 AI

影响 这项研究为优化TinyML模型提供了一种更有效的方法，有望加速机器学习在资源受限设备上的开发和部署。

排序理由 关于TinyML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.AI 阅读 →

• BirdCLEF
• Gaussian process
• KD-Lite
• Kendall-tau
• TGL-NSGA-II
• TinyML

• 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 →