德州大学圣安东尼奥分校、康涅狄格大学和里海大学的研究人员发表了题为“EVE:低功耗能量收集系统的环境自适应神经网络模型”的新技术论文。
根据摘要:
“本文提出了一种自动机器学习(autoML)共同探索框架EVE，用于为能量收集物联网设备搜索具有共享权重的所需多模型。这些共享模型使用不同级别的模型稀疏性、延迟和准确性来适应环境变化，从而显著减少了内存占用。进一步开发了高效的设备上实现体系结构，以有效地在设备上执行每个模型。提出了一种运行时模型提取算法，该算法在触发特定模型模式时，以可以忽略不计的开销检索单个模型。实验结果表明，EVE生成的神经网络模型比没有修剪和共享权重的基线模型平均快2.5倍。”
找到这里是技术文件．2022年7月出版。
作者:Sahidul Islam，周尚林，冉然，金玉芳，温无洁，丁彩文，谢咪咪
v1 arXiv: 2207.09258
相关文章
能源收集开始获得动力
经过多年的研究，芯片制造商已经开始将超低功耗设计与先进的采集技术结合起来。
太阳下山后光伏电池收集能量
斯坦福大学的研究人员报告了利用热电发电机(TEG)模块在夜间对光伏电池进行辐射冷却发电的情况。
5G时代物联网设备的能量收集和电源管理
5G网络中物联网设备的潜在电力收集场景
留下回复