Sep, 2023

跨层优化实现资源高效 AIoT 系统：综述

PDF
TL;DR人工智能物联网（AIoT，AI+IoT）领域是由智能基础设施的广泛使用和深度学习（DL）的显著成功推动的。本研究通过优化资源友好型的深度学习模型以及模型自适应系统调度，来改善 DL 模型的准确性和响应性，推动由单独级别设置的性能边界。此外，针对 AIoT 环境的动态特性，本文还探索了适用于不同级别的上下文感知控制器，实现自动跨级别适应，并提出了资源高效的 AIoT 系统的一些潜在方向。
artificial intelligence of thingsdeep learningresource-friendly dl modelsmodel-adaptive system schedulingcontext-aware controllers
发现论文，激发创造
  • 物联网应用的普适型人工智能：资源高效分布式人工智能综述

    本文综述了面向普适 AI 系统中资源调度的挑战，重点概述了分布式推断、训练和在线学习任务中的通信高效技术。

    May, 2021

  • 物联网智能化发展的进展、挑战和机遇概述

    本篇综述介绍了人工智能赋能物联网的全景，在云计算、雾计算和边缘计算三个方面，介绍了 AIoT 的体系结构，然后从感知、学习、推理和行为四个角度阐述了 AI 在物联网领域中的研究进展，最后概括了一些有前景的 AIoT 应用，并强调了 AIoT 面临的挑战和潜在的研究机会。

    Nov, 2020

  • AIoT 设备轻量级恶意软件检测模型的优化

    通过优化超级学习器元学习集成模型，使其适用于低端人工智能物联网设备，可在低端设备上运行，具有较低的推理持续时间和更小的内存占用，同时获得与高端设备相似的准确性和假阳性率。

    Apr, 2024

  • 异构低功耗 SoC 的机器学习本地评估工具包

    本文介绍了一种名为 U-TOE 的通用工具包，它结合了低功耗嵌入式操作系统、通用模型转换器和编译器、集成性能测量模块以及开放访问的远程 IoT 测试平台的功能，旨在为 AIoT 设计师和研究人员提供便利，加速边缘计算的发展。

    Jun, 2023

  • VEDLIoT-- 下一代加速 AIoT 系统和应用

    VEDLIoT 项目旨在针对人工智能物联网应用开发节能的深度学习技术。其提出了一种以模块化为基础、具有高可伸缩性的认知物联网硬件平台，使用异构计算提高性能和能源效率并整合全谱的硬件加速器。

    May, 2023

  • 自主物联网的深度强化学习：模型，应用及挑战

    本文提出了一种新概念 “自治 IoT” 的集成方法，利用强化学习和深度强化学习做出决策，并在此基础上提出了 AIoT 的广义 RL/DRL 模型和综述现有的 DRL 在 AIoT 中的应用研究，并指出未来研究的挑战和问题。

    Jul, 2019

  • 针对 IoT 大数据和流式分析的深度学习：一项调查

    本文介绍了在 IoT 领域中使用深度学习技术进行分析和学习的综述，包括 IoT 数据的特征和处理方法，以及深度学习算法及其在 IoT 领域中的应用和挑战，同时讨论了智能 IoT 设备背景下应用深度学习的实现方法，以及在雾计算和云中心的运用。

    Dec, 2017

  • 物联网通信的学习：有限资源和异构性

    本文介绍了适用于物联网应用的多种学习框架，分别研究了机器学习、顺序学习和强化学习的优缺点、适用性及关键结果，并引入基于认知层次理论的新框架来处理物联网的异构性和资源限制，最终展示了在物联网中使用认知层次理论的关键结果。

    Oct, 2016

  • IoT 设备上实现深度学习的双向协同设计方法

    本文提出一种底层深度神经网络模型设计策略和顶层 DNN 加速器设计流程的双向协同设计方法，通过在 IoT 设备上进行联合优化使得既能获得高 IoU 精度的 QoR 也能获得高 FPS 和高能效的 QoS。

    May, 2019

  • 网络边缘的机器学习调查

    本文综述了在边缘计算设备上部署机器学习系统的主要研究工作，重点关注了智能边缘系统成功应用中使用的压缩技术、工具、框架和硬件等方面的运营问题。

    Jul, 2019