面向机器学习的微机器学习综述
机器学习
2023-09-27 v2
摘要
微机器学习(TinyML)的出现通过推动资源受限的物联网硬件设备与其基于学习的软件架构的联合设计，积极地变革了人工智能领域。TinyML在第四次和第五次工业革命中发挥着重要作用，帮助社会、经济和个人采用有效的AI赋能计算技术（例如智能城市、汽车和医疗机器人）。鉴于其多学科性质，TinyML领域已从许多不同角度被研究：本综合综述旨在提供聚焦于TinyML解决方案中所有学习算法的最新概览。该综述基于系统综述和荟萃分析优先报告条目(PRISMA)方法学流程，从而实现系统且完整的文献调研。具体而言，我们首先考察实现TinyML系统的三种不同工作流，即面向ML、面向HW和协同设计。其次，我们提出一种在TinyML视角下涵盖学习全景的分类法，详细审视模型优化与设计的不同族类以及最先进的学习技术。第三，本综述将呈现代表当前TinyML智能边缘应用最先进水平的硬件设备与软件工具的不同特征。最后，我们讨论挑战与未来方向。
引用
@article{arxiv.2309.11932,
title = {A Machine Learning-oriented Survey on Tiny Machine Learning},
author = {Luigi Capogrosso and Federico Cunico and Dong Seon Cheng and Franco Fummi and Marco Cristani},
journal= {arXiv preprint arXiv:2309.11932},
year = {2023}
}
备注
Article currently under review at IEEE Access