Andrea Mattia Garavagno
PulseAugur coverage of Andrea Mattia Garavagno — every cluster mentioning Andrea Mattia Garavagno across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新框架实现传感器内人工智能用于轴承故障诊断
研究人员开发了BearingNAS，一个硬件感知神经架构搜索（HW-NAS）框架，可在传感器硬件上直接实现智能故障诊断。该框架设计用于在极其有限的资源预算下运行，例如4-8千字节的RAM和16-32千字节的Flash，并通过采用轻量级搜索策略避免了对昂贵GPU的需求。该系统在Case Western Reserve University轴承基准测试上进行了测试，并在意法半导体（STMicroelectronics）的LSM6DSO16…
-
设备端NAS优化神经网络以进行实时数据分析
研究人员开发了一种新颖的设备端神经架构搜索（NAS）方法，专为近传感器计算而设计。该方法允许直接在部署设备上优化小型神经网络，以适应实时数据变化。该系统在意大利手语（ISL）数据集上进行了验证，与在Raspberry Pi 4上运行的现有方法相比，在RAM占用和准确性方面均有显著提高。在Case Western Reserve University（CWRU）数据集上的进一步验证表明，该方法在智能故障诊断等任务中具有更广泛的适用性。
-
新方法解决AI故障诊断系统数据稀缺问题
研究人员开发了一种新颖的智能故障诊断系统（IFDS）设计方法，以应对标记数据有限的挑战。该方法采用深度迁移学习（DTL），通过周期性多激励程序从系统非线性中生成图像。然后，预训练的卷积神经网络（CNNs）对这些图像进行分析以进行故障诊断。该论文介绍了一种新的数据可视化和增强技术，并在铁路受电器结构上进行了实验验证，以改善数据稀缺环境下的IFDS设计。
-
ColabNAS 为轻量级 CNN 提供经济高效的硬件 NAS
研究人员开发了 ColabNAS，这是一种易于使用的硬件感知神经架构搜索（HW NAS）技术，旨在创建轻量级、特定任务的卷积神经网络（CNN）。该方法受奥卡姆剃刀原则的启发，采用无导数搜索策略。它利用 Google Colaboratory 和 Kaggle Kernel 等免费在线 GPU 服务，在 TinyML 的标准基准 Visual Wake Word 数据集上展示了最先进的性能，仅用三个多 GPU 小时即可完成。
-
新方法赋能隐私敏感型物联网应用的边缘人工智能
一篇新论文介绍了一种直接在物联网网关上设计神经网络的方法，从而为隐私敏感型应用实现基于边缘的机器学习。这种方法无需将数据发送到云端即可创建定制的、对硬件友好的神经网络，这对于医疗物联网和工业物联网等领域尤其有利。在 Visual Wake Words 数据集上的实验表明，该方法可以在树莓派 Zero 2 上于 10 小时内实现最先进的结果。
-
新的NAS方法针对效率和嵌入式设备 · 跟踪4个来源
研究人员开发了新的神经架构搜索（NAS）方法，旨在提高效率和资源意识。一种名为InTrain的方法，通过分析几何容量和优化弹性，引入了一个统一的可训练性理论代理，并取得了与现有方法相媲美的结果。同时，其他研究侧重于硬件感知的NAS，能够创建可以在内存有限的嵌入式设备（如微控制器）上运行的微型卷积神经网络（CNN），用于物联网设备的计算机视觉等应用。