基于设备的 TinyML 系统的在线学习和语义管理
原文中文，约700字，阅读约需2分钟。发表于：。近年来微型机器学习（TinyML）的最新进展为低占用嵌入式设备提供了实时的设备端机器学习能力。然而，TinyML 的实际实施面临着独特的挑战。本研究旨在弥合原型设计的单一 TinyML 模型与开发可靠的生产级 TinyML 系统之间的差距: (1) 在动态变化的条件下，嵌入式设备的操作。现有的 TinyML...
近年来，TinyML在低占用嵌入式设备上提供了实时的机器学习能力。本研究旨在弥合原型设计的单一TinyML模型与开发可靠的生产级TinyML系统之间的差距。研究提出在线学习以实现在受限设备上的训练，并使本地模型适应最新的现场条件。同时，引入联邦元学习将在线学习结合在一起，以增强模型的泛化能力。此外，提出语义管理以进行模型和设备的联合管理。通过实例和三个真实应用的评估，验证了方法的有效性。
