PCA驱动的自适应传感器分流用于边缘AI推理
机器学习
2026-04-24 v1 人工智能
系统与控制
系统与控制
机器学习
摘要
工业物联网中的多通道传感器网络常常超出可用带宽。我们提出PCA-Triage，一种流式算法，在带宽限制下将增量PCA载荷转换为按比例的每通道采样率。PCA-Triage运行时间为O(wdk)，无可训练参数（每次决策0.67毫秒）。我们在7个基准数据集（8-82通道）上与9种基线方法进行了评估。PCA-Triage在6个数据集中的3个上是无监督方法中的最佳，在50%带宽下胜出所有基线中的5个，效应量显著（r = 0.71-0.91）。在TEP数据集上，它实现了F1 = 0.961 ± 0.001——与全数据性能相差在0.1%以内——同时在30%预算下保持F1 > 0.90。针对性扩展将F1提升至0.970。该算法对丢包和传感器噪声具有鲁棒性（联合最坏情况下退化3.7-4.8%）。
引用
@article{arxiv.2604.05045,
title = {PCA-Driven Adaptive Sensor Triage for Edge AI Inference},
author = {Ankit Hemant Lade and Sai Krishna Jasti and Nikhil Sinha and Indar Kumar and Akanksha Tiwari},
journal= {arXiv preprint arXiv:2604.05045},
year = {2026}
}
备注
16 pages, 13 figures, 7 benchmarks