Nov, 2023

设备上的软传感器：基于水位传感器数据的实时流体流量估计

PDF
TL;DR本研究通过在设备上部署软传感器，提高传感器融合和感知能力，改善能源效率，并利用可编程逻辑门阵列（FPGA）和微控制器单元的协同整合，提供了一种具有潜力的创新方法来高效地执行实时推理任务。
soft sensorson-deviceenergy efficiencyai inferencefpga-based soft sensors
发现论文，激发创造
  • FlowPrecision: 使用线性量化提升基于 FPGA 的实时流体流动估计

    本研究应用线性量化于基于 FPGA 的软传感器以实现精确的流体流量估计，通过克服传统定点量化的局限性，显著提高神经网络模型的精确度。通过针对硬件的优化，我们的方法在平均平方误差上实现 10.10% 的降低，并在推理速度上有 9.39% 的显著改进。在多个数据集上验证后，我们的发现表明优化的基于 FPGA 的量化模型能够提供高效、准确的实时推理结果，为普遍自主系统中基于云处理的可行替代方案。

    Mar, 2024

  • On-Device Learning: 基于神经网络的现场可训练边缘 AI

    本文介绍了一种基于神经网络的设备本地 (on-device) 学习方法，该方法能够在低端设备上提高边缘人工智能 (Edge AI) 应用的精确度并节省计算和通信成本，特别是在有噪声的环境下重训练 (retraining) 后可显著提高异物检测 (anomaly detection) 的准确性。

    Mar, 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

  • 手势和视觉智能传感器的增量在线学习算法比较

    本文比较了四种最先进的算法在两个实际应用中的效果，其中之一是基于加速度计数据的手势识别，另一个是图像分类，结果证实了这些系统的可靠性和在微型存储器 MCUs 中部署的可行性。

    Sep, 2022

  • 运用人工智能和动态模拟进行软传感器与过程控制

    本文介绍使用基于化学工程知识和强化学习算法的动态模拟器进行预测并作为软传感器来估计化工厂内部状态变量的方法，并探讨了使用这种软传感器进行化工厂操作和控制的前景及其所需预测模型的方法。

    Aug, 2022

  • NanoFlowNet: 一架纳米四旋翼上的实时密集光流

    本文提出了一种基于卷积神经网络和边缘计算硬件技术的光流估计方法，适用于纳米四旋翼在狭窄复杂环境中的安全和自主导航。通过对边缘设备进行优化和利用运动边界真实数据提高光流估计性能的训练方法，NanoFlowNet 在 MPI-Sintel 数据集上得到了很好的验证效果，同时还在 34 克纳米四轴飞行器上实现了基于视觉的障碍物避让任务。

    Sep, 2022

  • 智能选择传感器数据传输的插件式微型 AI 模块

    提出了一种新的传感模块，通过在传感器附近集成高效的机器学习模型，为传感框架提供智能数据传输能力，以解决当前传感系统中缺乏定向智能的问题，并通过调节数据传输频率，仅传输有价值的数据并丢弃无关信息。该模型经过量化和优化，用于实时传感器控制，结合定制化的训练过程和利用时间信息的 “懒惰” 传感器停用策略来增强框架性能，通过软件和硬件组件实现。实验证明，利用该模块的框架在能源消耗和存储方面实现了超过 85％的系统效率，并对性能几乎没有影响。该方法有潜力显著减少传感器的数据输出，从而惠及各种物联网应用。

    Feb, 2024

  • 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

  • NeuFlow：在边缘设备上实时高精度机器人光流估计

    我们提出了一种高效的光流架构 NeuFlow，通过全局到局部的匹配方案，在不同计算平台上显著提高了效率，并成功在小型机器人如无人机上实现了复杂的计算机视觉任务，如实时定位与地图构建（SLAM）。

    Mar, 2024

  • 通过解决嵌入式 FPGA 中 LSTM 单元的吞吐量瓶颈来增强能效

    为了处理物联网 (IoTs) 中的传感器数据，本研究提出了一种嵌入式深度学习的重要技术，即 LSTM 细胞的优化，旨在实现端设备上的高效能推断。通过以交通速度预测为案例研究，利用优化的 LSTM 细胞的简单 LSTM 模型在 extit {XC7S15} FPGA 芯片上实现了每秒 17534 次的推断，每次推断仅消耗 3.8 微焦耳的能量。与现有方法相比，其吞吐量至少提高了 5.4 倍，能量效率提高了 1.37 倍。

    Oct, 2023