Jun, 2023

机器学习传感器数据表

PDF
TL;DR本文介绍了一种标准的 ML 传感器数据表格模板，重点讨论了其必要组成部分：系统硬件，ML 模型和数据集属性，端到端性能指标以及环境影响。通过提供样例数据表格，突显了它们如何促进传感器数据在 ML 应用中的更好理解和利用，并提供了客观的度量标准以评估和比较系统性能。ML 传感器和其数据表格能够提供更好的隐私、安全、透明度、可解释性、可审计性和用户友好性。最后强调 ML 社区的数据表格需要标准化，以确保对传感器数据的负责和有效的使用。
machine learning sensorsdatasheet templateend-to-end performance metricsprivacy and securitystandardization
发现论文，激发创造
  • 数据集的数据表

    为了解决机器学习数据集缺乏标准化过程带来的严重后果，我们提出了数据集的数据表格，以促进数据集创建者和数据集使用者之间的更好沟通，并鼓励机器学习社区优先考虑透明度和责任性。

    Mar, 2018

  • 机器学习的硬件：挑战与机遇

    本文讨论了如何在各种硬件设计级别上解决机器学习中遇到的挑战，主要包括机器学习、传感器数据、嵌入式处理、能源消耗和硬件设计。

    Dec, 2016

  • Healthsheet: 健康數據透明化工具的開發

    本文介绍了 Healthsheet，一种针对健康特定应用的数据表。该工具的目的是改善关于机器学习健康数据集的创建、使用和维护的文献记录实践。实验研究表明，针对健康特定应用的数据表是很有必要和重要的，并且需要针对特定的应用场景进行具体化和优化。同时，如果更多的文献记录实践能够采用数据表，这将有助于保障机器学习在健康领域应用的公平性和客观性。

    Feb, 2022

  • 基于成本的机器学习流水线硬件软件协同优化

    通过量化、成本限制平台等因素综合考虑，探讨如何在边缘平台上最优化地设计系统和部署模型，以实现广泛适用的智能设备。

    Oct, 2023

  • 物联网数据分析的机器学习：一项调查

    本文评估了处理物联网数据挑战的不同机器学习方法，以智能城市为主要案例。该研究的关键贡献是提供一个机器学习算法分类法，阐述如何应用不同技术从数据中提取高层次信息。此外，还讨论了机器学习在物联网数据分析中的潜力和挑战，并介绍了应用支持向量机（SVM）在奥尔胡斯智能城市交通数据上的案例。

    Feb, 2018

  • 人工智能自然语言处理人类评估实验数据表 1.0：记录人类评估实验细节的数据表模板

    该论文介绍了人类评估数据表格，该表格是记录自然语言处理（NLP）中个别人类评估实验细节的模板。人类评估数据表格旨在促进人类评估特性的记录，以支持可比性，元评估和可重复性测试。

    Mar, 2021

  • 如何在规模上管理微型机器学习：工业视角

    本文提出了一个基于语义 Web 技术的框架，旨在管理 TinyML 模型和 IoT 设备的组合，包括建模信息、组合发现和基准测试，并支持 TinyML 组件的交换和再利用。作者设计了一个神经网络模型本体论，并以 W3C Thing Description 为基础，描述和维护 23 个公共 ML 模型和 6 个 IoT 设备的知识图谱。通过三个案例研究，验证了该框架的有效性和可重复性。

    Feb, 2022

  • 评估机器学习方法以解决物联网传感器漂移问题

    本文研究了多种机器学习方法处理各种行业和应用中传感器漂移问题的能力，并在公开可获得的气体传感器数据集上测试了这些方法，结果表明这些方法在传感器漂移问题上存在明显的性能下降。

    Sep, 2021

  • 开放数据表：机器可读的开放数据集文档和负责任的人工智能评估

    介绍了一种无代码、机器可读的开放数据集文档框架，关注负责任的人工智能考虑。旨在提高开放数据集的可访问性、可理解性和可用性，促进更容易发现和使用、更好理解内容和背景以及评估数据集的质量和准确性。该框架旨在简化数据集评估，帮助研究人员、数据科学家和其他开放数据用户快速识别满足其需求和 / 或组织政策或法规的数据集。论文还讨论了该框架的实施，并提供了最大化其潜力的建议。预期该框架将提高研究和决策中使用的数据的质量和可靠性，促进更负责任和值得信赖的人工智能系统的发展。

    Dec, 2023

  • 电子设计自动化的机器学习：一份概览

    本文全面评述了现有机器学习技术在电子设计自动化领域的应用，分别从电子设计自动化的层次进行组织。

    Jan, 2021