研究人员调查了检测佩戴在胸部的超宽带（UWB）标签上佩戴者引起的非视距（NLOS）条件的方法。该研究比较了设备端机器学习（ML）分类器与UWB无线链路指示器（LI），并探讨了结合两者优势的混合方法。对各种配置下的150万个样本的分析显示，虽然大多数分类器都能达到良好的准确性，但它们的性能和能效差异很大，有些分类器在边际收益上消耗的能量高达39.6倍。已开发出一种推荐工具，以帮助用户根据其特定约束选择最佳分类器。 AI
影响 为优化资源受限应用（如可穿戴传感器）的设备端机器学习提供了见解。
排序理由 学术论文，详细介绍了一种新颖的方法论和数据集。[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 →
