ARM Cortex-M7
PulseAugur coverage of ARM Cortex-M7 — every cluster mentioning ARM Cortex-M7 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
EEG2MCU框架支持在MCU上进行高效的可穿戴脑电图推理
研究人员开发了EEG2MCU,一个新颖的可穿戴脑电图(EEG)推理协同设计框架。该系统通过将电极数量视为一个变量来优化硬件和软件,从而在资源受限的设备上实现高维脑电图数据的有效处理。EEG2MCU在保持高精度的同时,显著降低了SRAM使用量、延迟和能耗,使其适用于嵌入式应用。
-
SK Hynix设计定制核心以提高SSD控制器效率
SK Hynix正在开发名为Hynix Transaction Processing Units (H-TPUs) 的定制低功耗CPU核心,以分担其SSD控制器中传统Arm CPU的重复性任务。这些H-TPU旨在处理常规I/O、命令处理和元数据管理,与通用核心相比,功耗和占用面积显著降低。此举旨在解决随着驱动器速度的提高,当前SSD控制器CPU的局限性,并计划将H-TPU集成到SK Hynix的整个NAND产品组合中。
-
TinyCast:紧凑型零样本预测器以最少参数实现高精度
一种名为TinyCast的新时间序列预测模型已被推出,其设计紧凑,仅包含146,505个参数。该模型利用零参数频谱检测器来识别周期性,并采用扩张卷积作为其架构,使其适用于嵌入式设备。TinyCast在GIFT-Eval和Chronos-ZS等基准测试中实现了具有竞争力的概率精度,在参数数量和计算效率方面优于更大的模型。
-
Opt.Gear 模型为设备端 AI 提供 4.9 倍的推理速度提升
研究人员推出 Opt.Gear,这是一种针对设备端部署和实时推理进行了优化的新型基础模型。该模型采用混合架构,结合了卷积和局部-全局注意力机制,显著减少了 KV 缓存内存,与同等规模的模型相比,在 NPU 上的预填充和解码速度提高了 4.9 倍。Opt.Gear 在 2T 标记语料库的精选 0.5T 标记子集上进行了训练,具有高度的数据效率。该模型以开放权重和适用于各种平台的部署二进制文件形式发布,包括 ONNX、Qualcomm N…