极端边缘的智能：关于可重构TinyML的综述
机器学习
2023-02-15 v2 信号处理
摘要
微型机器学习（TinyML）是一个新兴的研究领域，主张在极高能效的精简微控制器单元上普及机器学习和深度学习的使用。考虑到TinyML通常只能运行推理的普遍假设，该领域日益增长的研究兴趣催生了使其可重构的工作，即允许模型在部署后进行改进的方案。本文提出一种关于可重构TinyML方案的综述，并给出一种新颖的分类法。文中讨论了各层次结构层对可重构性的适用程度。此外，我们探究了TinyML的工作流，并分析了已识别的部署方案、可用工具以及稀缺的基准测试工具。最后，我们讨论了可重构TinyML如何影响若干选定工业领域，并探讨了挑战与未来方向。
引用
@article{arxiv.2204.00827,
title = {Intelligence at the Extreme Edge: A Survey on Reformable TinyML},
author = {Visal Rajapakse and Ishan Karunanayake and Nadeem Ahmed},
journal= {arXiv preprint arXiv:2204.00827},
year = {2023}
}