面向微型关键词检测的数据感知可微神经网络架构搜索
机器学习
2025-07-22 v1
摘要
机器学习的成功日益受制于其巨大的资源占用，推动了高效范式如 TinyML 的兴趣。然而，设计 TinyML 系统固有的复杂性阻碍了其广泛采用。为降低这种复杂性，我们引入“数据感知可微神经网络架构搜索”。不同于传统可微神经网络架构搜索，本方法将搜索空间扩展至包括数据配置参数及架构选择。使 Data Aware Differentiable Neural Architecture Search 能够协同优化模型架构与输入数据特征，有效平衡 TinyML 应用的资源使用与系统性能。初始结果表明，这种新型的 TinyML 系统设计方法能够生成轻量且高度准确的系统。
关键词
引用
@article{arxiv.2507.15545,
title = {Data Aware Differentiable Neural Architecture Search for Tiny Keyword Spotting Applications},
author = {Yujia Shi and Emil Njor and Pablo Martínez-Nuevo and Sven Ewan Shepstone and Xenofon Fafoutis},
journal= {arXiv preprint arXiv:2507.15545},
year = {2025}
}