自动映射至车规级微控制器的神经网络特性表征
机器学习
2021-03-02 v1 神经与进化计算
编程语言
系统与控制
系统与控制
摘要
如今,神经网络代表着实现强大深度学习算法的重大期望,这些算法可决定若干物理系统的行为与运作。模型、训练与运行所需的计算资源庞大,尤其相对于神经网络通常所需的泛化数据量而言。最新的 TinyML 技术允许将预训练模型集成于嵌入式系统,使边缘计算更快、更廉、更安全。尽管这些技术起源于消费与工业领域,许多行业(如汽车业)可极大受益。本文提出一个在汽车微控制器系列上实现基于神经网络的模型的框架,并通过两个应用于车辆的案例研究展示其效率:控制器局域网络总线上的入侵检测,以及电动汽车中广泛使用的锂离子电池的剩余容量估计。
引用
@article{arxiv.2103.00201,
title = {Characterization of Neural Networks Automatically Mapped on Automotive-grade Microcontrollers},
author = {Giulia Crocioni and Giambattista Gruosso and Danilo Pau and Davide Denaro and Luigi Zambrano and Giuseppe di Giore},
journal= {arXiv preprint arXiv:2103.00201},
year = {2021}
}