PulseAugur
中
实时 19:23:14
实体 ARM Cortex-M4

ARM Cortex-M4

PulseAugur coverage of ARM Cortex-M4 — every cluster mentioning ARM Cortex-M4 across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
3
90 天内 5
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 4
层级分布 · 90 天
主题
情绪 · 30 天

3 天有情绪数据

最近 · 第 1/1 页 · 共 5 条
  1. TOOL · CL_368216 ·

    BeFit 框架提升微控制器上的 AI 效率

    研究人员开发了 BeFit,一个旨在提高神经网络在资源受限传感设备上效率的新框架。该方法将计算复杂性从模型权重转移到可学习的 Bernstein 多项式激活,从而实现无乘法运算。与现有方法相比,BeFit 在微控制器上展示了更高的准确性,并显著降低了延迟和内存使用量。

  2. TOOL · CL_330893 ·

    MulClip激活函数提升微控制器AI性能

    研究人员开发了MulClip,一种专为微控制器上水库计算设计的新型激活函数。与传统的tanh函数相比,该函数显著加快了状态更新时间,在ARM Cortex-M4上的速度达到了0.34倍。MulClip的设计允许在单个函数内实现单调和非单调的折叠机制,增强了表达能力。评估显示,MulClip在NARMA-20任务上实现了低22%的NMSE,并将8位奇偶校验任务的准确率提高到0.97-0.98。

  3. TOOL · CL_325821 ·

    模块化键盘 Keybytes 使用 RISC-V 实现终极定制

    一位名叫 Nathan Alspaugh 的开发者创建了一款高度可定制的模块化键盘 Keybytes,它使用磁性连接和每个键的独立 RISC-V 微控制器。该设计灵感来自乐高,允许用户组装任意数量和布局的键盘。虽然提供了极大的灵活性,但该项目仍处于早期阶段,组装一个全尺寸键盘可能会很昂贵,据估计组装成本约为 900 美元。

  4. TOOL · CL_183335 ·

    新方法优化微控制器上深度神经网络的间歇式学习

    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。

  5. TOOL · CL_43959 ·

    新方法保护嵌入式神经网络免受计时攻击

    研究人员开发了一种新的嵌入式神经网络激活函数实现方法,可防止通过计时侧信道泄露信息。该方法通过采用无分支选择和固定成本近似等技术,确保所有输入的执行时间一致,而与所使用的具体激活函数无关。在带有常见激活函数的 ARM Cortex-M4 平台上进行测试,受保护的实现获得了相同的周期计数,同时保持了高数值精度,为安全的嵌入式推理提供了一个实用的解决方案。