Optimizing TinyML: Achieving Indoor Localization for Edge Devices through Quantization and Distillation of Transformer and Mamba Models
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种基于模型压缩的小型高效机器学习模型，解决了边缘设备在室内定位中的资源限制问题。量化的Transformer模型在64 KB内存下保持良好定位精度，而Mamba模型在32 KB内存下表现优异，展示了在资源受限环境中部署先进室内定位模型的可行性。
🏷️
