-
在MCU端部署GRU模型實現(xiàn)鼾聲檢測
本研究旨在開發(fā)一種在資源受限的微控制器單元(MCU)上運行的方法，用以進行鼾聲檢測。不同于使用CNN進行聲音檢測的方式，我們采用門控循環(huán)單元(GRU)模型以對音頻數(shù)據(jù)進行處理和分析。通過采用優(yōu)化模型結構、模型量化等常用的模型優(yōu)化方式，我們最終成功將GRU模型適配到低功耗的MCU平臺，使其能夠在不依賴外部計算資源的情況下，獨立完成端側的鼾聲檢測任務，無需聯(lián)網(wǎng)。實驗結果表明，該模型在保持較高準確性的同時，能夠有效降低系統(tǒng)算力需求，滿足移動健康監(jiān)測設備的實時性與便攜性要求。這一研究為鼾癥患者的持續(xù)監(jiān)測和睡眠健康管理提供了一種新的解決方案，同時也拓展了深度學習在嵌入式系統(tǒng)中的應用前景。
-
在微控制器上實現(xiàn)在設備端訓練的異常檢測
在當前嵌入式系統(tǒng)與人工智能技術融合的前沿領域，文章聚焦于一種基于單類支持向量機(One-Class SVM)的異常檢測算法，并提供了一套完整的MCU友好的工程實現(xiàn)，不需要依賴于動態(tài)內存分配以及文件系統(tǒng)，特別適合于在資源受限的邊緣設備上進行高效、實時的訓練與預測。我們的方法不僅可以實現(xiàn)在MCU上訓練和高效存儲機器學習模型，還支持增量學習，從而在幾乎不增加計算負擔的前提下，持續(xù)改進模型對實際工況的適應能力。我們的實驗裝置是安裝了三軸加速度傳感器的震動源(如風扇)，以模擬在工作期間發(fā)出振動的工業(yè)設備。文章的方法也可以通過替換傳感器和特征計算的預處理算法來實現(xiàn)對其它設備的監(jiān)控，以適應不同的工況環(huán)境和應用的需求。
-
專為人工智能設計，IBM Power9服務器來了！
近日，IBM 宣布推出裝有最新設計的POWER9處理器的新一代Power Systems服務器。全新POWER9系統(tǒng)專為計算密集型人工智能工作負載而設計，可將深度學習框架的訓練時間縮短近4倍[2]，從而幫助企業(yè)以更快的速度更準確地部署人工智能應用。
