TinyML的研究现状及展望

作     者：吴建邦 邱天 张昕 吴佩雯 林晓燕 符晓 李牧云 宁洪龙 Wu Jianbang;Qiu Tian;Zhang Xin;Wu Peiwen;Lin Xiaoyan;Fu Xiao;Li Muyun;Ning Honglong

作者机构：五邑大学智能制造学部江门529020 华南理工大学高分子光电材料与器件研究所发光材料与器件国家重点实验室材料科学与工程学院 

基　　金：2021年江门市创新实践博士后课题研究资助项目(JMBSH2021B04) 广东省重点领域研发计划(2020B0101030002) 

出 版 物：《单片机与嵌入式系统应用》 (Microcontrollers & Embedded Systems)

年 卷 期：2023年第23卷第2期

页      码：7-11页

摘      要：从微型机器学习的定义、优点、当前存在问题等方面做简要介绍;从专属或通用的微型机器学习部署方式、基于ARM Cortex M或者RISC V的微处理器设计、基于神经架构搜索的部署算法等方面存在的问题进行讨论,并介绍研究现状。对微型机器学习的未来发展进行展望,认为未来需要功能齐全的微型机器学习部署框架、硬件研究更多是基于RISC V与硬件神经网络加速单元组成微处理器,并探讨如何提高搜索效率、减少神经架构搜索的耗时等。最后在上述基础上针对如何完善和发展微型机器学习生态提出思考。

主 题 词：微型机器学习 微处理器 神经架构搜索 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

馆 藏 号：203118253...