嵌入式 HMP 上 EEG 应用的精度权衡特征分析
信号处理
2024-02-16 v1 人工智能
计算机视觉与模式识别
机器学习
性能
摘要
脑电图 (EEG) 记录通过电池供电的可穿戴设备进行分析，以监测大脑活动和神经系统疾病。这些应用需要长时间连续处理才能生成可行结果。然而，出于实际用例的小型化需求，可穿戴设备的能量和计算资源受限。嵌入式异构多核平台 (HMPs) 可以在有限的能量预算内为 EEG 应用提供更好的性能。可以进一步利用 EEG 应用流水线的误差弹性，以最大化 HMPs 的性能和能量增益。然而，在嵌入式 HMPs 上进行有纪律的近似调整需要对精度 - 性能 - 功耗权衡空间进行彻底探索。在本工作中，我们在 Odroid XU3 平台的真实世界嵌入式 HMP 测试床上，表征了三种 EEG 应用（包括癫痫发作检测、睡眠阶段分类和压力检测）的误差弹性。我们提出了在不同近似、功耗和性能水平下对 EEG 应用的功耗 - 性能 - 精度权衡的组合评估，以深入了解嵌入式平台上 EEG 应用中有纪律的近似调整。
引用
@article{arxiv.2402.09867,
title = {Characterizing Accuracy Trade-offs of EEG Applications on Embedded HMPs},
author = {Zain Taufique and Muhammad Awais Bin Altaf and Antonio Miele and Pasi Liljeberg and Anil Kanduri},
journal= {arXiv preprint arXiv:2402.09867},
year = {2024}
}
备注
7 pages, 10 figures