实体
STM32N6
STM32N6
PulseAugur coverage of STM32N6 — every cluster mentioning STM32N6 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
QScheduler 算法赋能微控制器上的自适应设备端 AI 训练
研究人员开发了 QScheduler，这是一种自适应算法，旨在优化配备神经网络处理单元 (NPU) 的微控制器上的设备端训练。该方法仅通过前向传播来估计梯度，使其适用于没有反向传播能力的设备并减少内存使用。QScheduler 根据训练进度动态调整梯度样本数量，无需进行昂贵的超参数搜索。在 STM32N6 的 Neural-ART NPU 上的初步实验表明，QScheduler 在 EuroSAT 和 STL-10 等数据集上，对于 …
-
智能眼镜平台ARGO支持设备端机器学习以进行障碍物识别
研究人员开发了ARGO，一个支持设备端机器学习以进行实时城市障碍物识别的智能眼镜平台。该系统利用带有NPU的STM32N6微控制器和经过优化的YOLOv11模型，并结合了头部并行注意力（HPA）以实现高效处理。这种集成方法在最小的内存占用下实现了24 mAP50-95的分数，并在200 mAh电池上提供约113分钟的连续运行时间，展示了一种注重隐私且节能的辅助设备。
-
新的Gideon模型支持嵌入式设备的硬件感知神经特征提取
研究人员开发了Gideon，这是一种专为微控制器等资源受限设备设计的新型神经特征提取器。这种硬件感知方法利用知识蒸馏和可微分神经架构搜索来优化内存、带宽和量化稳定性。Gideon实现了快速推理时间和较小的内存占用，表明即使在严格的硬件限制下，先进的特征提取也是可行的。