边缘端新人类体力活动增量学习的实践洞见
信号处理
2023-08-24 v1 人工智能
机器学习
摘要
边缘机器学习（Edge ML）将计算智能从基于云的系统转移到边缘设备，因其显著优势（包括降低延迟、增强数据隐私和减少连接依赖）而备受关注。尽管这些优势引人注目，但它们带来了传统基于云的方法所没有的独特挑战。在本文中，我们深入探讨基于边缘的学习的复杂性，考察以下相互依赖关系：(i) 边缘设备上受限的数据存储，(ii) 有限的训练计算能力，以及 (iii) 学习类别的数量。通过使用我们的 MAGNETO 系统（专注于利用移动传感器采集的数据学习人类活动）进行的实验，我们凸显了这些挑战，并提供了关于边缘机器学习的有价值视角。
引用
@article{arxiv.2308.11691,
title = {Practical Insights on Incremental Learning of New Human Physical Activity on the Edge},
author = {George Arvanitakis and Jingwei Zuo and Mthandazo Ndhlovu and Hakim Hacid},
journal= {arXiv preprint arXiv:2308.11691},
year = {2023}
}
备注
Accepted by DSAA 2023 (Industrial Track)