用于检测咀嚼事件的模拟门控循环神经网络
机器学习
2022-08-03 v1 声音
音频与语音处理
摘要
我们提出一种新颖的门控循环神经网络，用于检测人正在咀嚼食物的时间。我们将该神经网络以 0.18 um CMOS 工艺实现为定制模拟集成电路。该神经网络在从安装于志愿者乳突骨的接触式麦克风收集的 6.4 小时数据上训练。在 1.6 小时未见数据上测试时，该神经网络以 24 秒时间分辨率识别咀嚼事件。其达到 91% 的召回率与 94% 的 F1-score，同时消耗 1.1 uW 功率。一个基于该新颖模拟神经网络、用于检测整段进食事件（如正餐与零食）的系统估计消耗 18.8uW 功率。
引用
@article{arxiv.2208.01201,
title = {Analog Gated Recurrent Neural Network for Detecting Chewing Events},
author = {Kofi Odame and Maria Nyamukuru and Mohsen Shahghasemi and Shengjie Bi and David Kotz},
journal= {arXiv preprint arXiv:2208.01201},
year = {2022}
}
备注
11 pages, 16 figures