09:31
官方账号arXiv cs.LG@Jakob Schubert, Maximilian Kasper, Maximilian Linke, Benedict Herzog, Mark Deutel, Axel Plinge, Dominik Seuss, Christopher Mutschler
推荐理由：这篇论文教你怎么在能耗不稳定的MCU上做持续学习，不用反复上机测试，Cortex-M4上误差只有16.6%。
间歇学习
共 1 条相关 AI 资讯
8月5日
09:31
该研究提出一种为微控制器单元（MCU）设计深度神经网络（DNN）的方法，适用于太阳能供电等能量可能中断的间歇性设备。方法结合硬件感知能量预测模型与多目标优化（MOO），在离线设计阶段完成DNN优化，无需在目标MCU上反复部署测试。能量预测器基于DNN的算力和存储特征，估算推理、训练及间歇检查点开销的逐层能耗。在Cortex-M4 MCU上用自编码器进行异常检测验证，预测器的加权绝对百分比误差为16.6%，足以在中断约束下可靠选择架构。