基于模拟 ReRAM 技术的边缘训练与推理，用于手势识别
信号处理
2025-02-26 v1
摘要
触觉手势识别是汽车领域用户控制的关键任务，其中人机交互（HMI）要求低延迟和高能效。本研究通过利用模拟电阻随机存取存储器（ReRAM）技术结合真实触觉手势数据集，解决了功耗受限的边缘训练与推理中的挑战。通过特征工程策略优化输入空间，我们避免依赖大规模交叉阵列，使系统更适合边缘部署。通过考虑源自实验数据的器件非理想性的真实硬件感知模拟，我们展示了基于模拟 ReRAM 的模拟存内计算在片上训练中的功能，利用最先进的 Tiki-Taka 算法。此外，我们验证了手势部署后推理的分类准确率约为 91.4%。结果突显了模拟 ReRAM 技术和具有全并行矩阵计算的交叉阵列架构在边缘端实时 HMI 系统中的潜力。
引用
@article{arxiv.2502.18152,
title = {Edge Training and Inference with Analog ReRAM Technology for Hand Gesture Recognition},
author = {Victoria Clerico and Anirvan Dutta and Donato Francesco Falcone and Wooseok Choi and Matteo Galetta and Tommaso Stecconi and András Horváth and Shokoofeh Varzandeh and Bert Jan Offrein and Mohsen Kaboli and Valeria Bragaglia},
journal= {arXiv preprint arXiv:2502.18152},
year = {2025}
}
备注
Accepted in IEEE ISCAS 2025