研究人员开发了一种超低功耗的卷积神经网络（CNN），该网络已实现于现场可编程门阵列（FPGA）上，用于设备端心电特征提取。该系统专为智能健康传感器设计，尤其适用于宇航员，并利用了感知量化训练和 systolic-array 加速器，实现了高效的纯整数推理。该实现以极低的功耗和硬件资源实现了高精度，证明了在太空中自主健康监测的可行性。 AI
影响 实现了宇航员的自主低功耗健康监测，并有可能扩展到其他资源受限的边缘设备。
排序理由 学术论文，详细介绍了用于特定应用的、新颖的硬件加速AI模型。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
The convergence of accelerating human spaceflight ambitions and critical terrestrial health monitoring demands is driving unprecedented requirements for reliable, real-time feature extraction on extremely resource-constrained wearable health sensors. We present an ultra-low-power…
The convergence of accelerating human spaceflight ambitions and critical terrestrial health monitoring demands is driving unprecedented requirements for reliable, real-time feature extraction on extremely resource-constrained wearable health sensors. We present an ultra-low-power…