TinyML的研究现状及展望
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.
微型机器学习、微处理器、神经架构搜索
23
TP391(计算技术、计算机技术)
江门市创新实践博士后课题研究资助项目;广东省重点领域研发计划
2023-02-20(万方平台首次上网日期,不代表论文的发表时间)
共5页
7-11