論文の概要: ERSAM: Neural Architecture Search For Energy-Efficient and Real-Time
Social Ambiance Measurement
- arxiv url: http://arxiv.org/abs/2303.10727v1
- Date: Sun, 19 Mar 2023 18:08:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-21 17:37:58.639212
- Title: ERSAM: Neural Architecture Search For Energy-Efficient and Real-Time
Social Ambiance Measurement
- Title(参考訳): ERSAM: エネルギー効率とリアルタイムソーシャルアンビアンス測定のためのニューラルアーキテクチャ検索
- Authors: Chaojian Li, Wenwan Chen, Jiayi Yuan, Yingyan (Celine) Lin, Ashutosh
Sabharwal
- Abstract要約: エネルギー効率とリアルタイムSAM(ERSAM)のための専用ニューラルネットワーク探索フレームワークを提案する。
具体的には、当社のERSAMフレームワークは、モバイルSAMソリューションのハードウェア効率フロンティアに対して達成可能な精度を推し進めるDNNを自動的に検索することができる。
- 参考スコア(独自算出の注目度): 17.521809468907602
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Social ambiance describes the context in which social interactions happen,
and can be measured using speech audio by counting the number of concurrent
speakers. This measurement has enabled various mental health tracking and
human-centric IoT applications. While on-device Socal Ambiance Measure (SAM) is
highly desirable to ensure user privacy and thus facilitate wide adoption of
the aforementioned applications, the required computational complexity of
state-of-the-art deep neural networks (DNNs) powered SAM solutions stands at
odds with the often constrained resources on mobile devices. Furthermore, only
limited labeled data is available or practical when it comes to SAM under
clinical settings due to various privacy constraints and the required human
effort, further challenging the achievable accuracy of on-device SAM solutions.
To this end, we propose a dedicated neural architecture search framework for
Energy-efficient and Real-time SAM (ERSAM). Specifically, our ERSAM framework
can automatically search for DNNs that push forward the achievable accuracy vs.
hardware efficiency frontier of mobile SAM solutions. For example,
ERSAM-delivered DNNs only consume 40 mW x 12 h energy and 0.05 seconds
processing latency for a 5 seconds audio segment on a Pixel 3 phone, while only
achieving an error rate of 14.3% on a social ambiance dataset generated by
LibriSpeech. We can expect that our ERSAM framework can pave the way for
ubiquitous on-device SAM solutions which are in growing demand.
- Abstract(参考訳): ソーシャル・アンビアンス(social ambiance)は、社会的相互作用が起こるコンテキストを記述し、同時話者数を数えることで音声を用いて測定することができる。
この測定により、さまざまなメンタルヘルストラッキングと人間中心のIoTアプリケーションが可能になる。
デバイス上のSocal Ambiance Measure(SAM)は、ユーザのプライバシの確保と、前述のアプリケーションの広範な採用を促進するために非常に望ましいものだが、最先端のディープニューラルネットワーク(DNN)を使用したSAMソリューションに必要な計算複雑性は、モバイルデバイス上の制約の多いリソースとは相反する。
さらに、様々なプライバシの制約と必要な人的努力により、SAMの臨床的設定下において限られたラベル付きデータのみが利用可能または実用的であり、オンデバイスSAMソリューションの達成可能な正確性に挑戦する。
そこで本研究では,エネルギー効率とリアルタイムSAM(ERSAM)のためのニューラルネットワーク検索フレームワークを提案する。
具体的には、当社のERSAMフレームワークは、モバイルSAMソリューションのハードウェア効率フロンティアに対して達成可能な精度を推し進めるDNNを自動的に検索することができる。
例えば、ERSAMが配信するDNNは、Pixel 3の5秒の音声セグメントで40mW x 12hエネルギーと0.05秒の処理レイテンシしか消費せず、LibriSpeechが生成した社会環境データセットでは14.3%のエラー率しか達成していない。
当社のERSAMフレームワークは、需要が増大しているデバイス上のSAMソリューションをユビキタスに構築できることを期待しています。
関連論文リスト
- Device-Free Human State Estimation using UWB Multi-Static Radios [9.097545017048446]
本研究では,特定のデバイスを携帯する必要なしに,屋内環境の人々の位置,活動,さらには活動も推定できる状態推定フレームワークを提案する。
この「デバイスフリー」なローカライゼーションを実現するために、関心のある環境に分散した安価なUWB(Ultra-Wide Band)センサーを少数使用した。
論文 参考訳(メタデータ) (2023-12-26T05:51:22Z) - Stable Segment Anything Model [79.9005670886038]
SAM(Segment Anything Model)は、高品質なプロンプトが与えられた場合、顕著に迅速なセグメンテーションを実現する。
本稿では,SAMのセグメンテーション安定性について,多様なプロンプト特性のスペクトルにわたって包括的解析を行った。
1)SAMのセグメンテーション安定性を広範囲に改善し,2)SAMの強力なセグメンテーション効率と一般化を維持した。
論文 参考訳(メタデータ) (2023-11-27T12:51:42Z) - A natural NISQ model of quantum self-attention mechanism [11.613292674155685]
SAM(Self-attention mechanism)は、様々な応用において顕著な成功を収めている。
量子ニューラルネットワーク(QNN)は,新しい学習モデルとして開発されている。
我々はQNNにSAMを実装する全く自然な方法を提案し、量子自己認識機構(QSAM)を導いた。
論文 参考訳(メタデータ) (2023-05-25T03:09:17Z) - Fluid Batching: Exit-Aware Preemptive Serving of Early-Exit Neural
Networks on Edge NPUs [74.83613252825754]
スマートエコシステム(smart ecosystems)"は、スタンドアロンではなく、センセーションが同時に行われるように形成されています。
これはデバイス上の推論パラダイムを、エッジにニューラル処理ユニット(NPU)をデプロイする方向にシフトしている。
そこで本研究では,実行時のプリエンプションが到着・終了プロセスによってもたらされる動的性を考慮に入れた,新しい早期終了スケジューリングを提案する。
論文 参考訳(メタデータ) (2022-09-27T15:04:01Z) - LaneSNNs: Spiking Neural Networks for Lane Detection on the Loihi
Neuromorphic Processor [12.47874622269824]
我々は、イベントベースのカメラ入力を用いて、道路にマークされた車線を検出するための新しいSNNベースのアプローチであるLaneSNNを提案する。
我々は、学習したSNNモデルをIntel Loihi Neuromorphic Research Chipに実装し、マッピングする。
損失関数に対して,重み付き二元交叉エントロピー(WCE)と平均二乗誤差(MSE)の線形合成に基づく新しい手法を開発した。
論文 参考訳(メタデータ) (2022-08-03T14:51:15Z) - Many-to-One Knowledge Distillation of Real-Time Epileptic Seizure
Detection for Low-Power Wearable Internet of Things Systems [6.90334498220711]
低消費電力のウェアラブルIoTシステムと定期的な健康モニタリングを統合することは、現在進行中の課題である。
ウェアラブルの計算能力の最近の進歩により、複数のバイオシグナーを利用する複雑なシナリオをターゲットにすることが可能になった。
身体的に大きく、バイオシグナーをベースとしたウェアラブルは、患者にとって大きな不快感をもたらす。
本稿では,IoTウェアラブルシステムにおける単一生体信号処理を対象とした多対一信号の知識蒸留手法を提案する。
論文 参考訳(メタデータ) (2022-07-20T12:22:26Z) - MAPLE-X: Latency Prediction with Explicit Microprocessor Prior Knowledge [87.41163540910854]
ディープニューラルネットワーク(DNN)レイテンシのキャラクタリゼーションは、時間を要するプロセスである。
ハードウェアデバイスの事前知識とDNNアーキテクチャのレイテンシを具体化し,MAPLEを拡張したMAPLE-Xを提案する。
論文 参考訳(メタデータ) (2022-05-25T11:08:20Z) - Computational Intelligence and Deep Learning for Next-Generation
Edge-Enabled Industrial IoT [51.68933585002123]
エッジ対応産業用IoTネットワークにおける計算知能とディープラーニング(DL)の展開方法について検討する。
本稿では,新しいマルチエグジットベースフェデレーションエッジ学習(ME-FEEL)フレームワークを提案する。
特に、提案されたME-FEELは、非常に限られたリソースを持つ産業用IoTネットワークにおいて、最大32.7%の精度を達成することができる。
論文 参考訳(メタデータ) (2021-10-28T08:14:57Z) - Reinforcement Learning for Minimizing Age of Information in Real-time
Internet of Things Systems with Realistic Physical Dynamics [158.67956699843168]
本稿では,インターネット・オブ・モノ(IoT)デバイスにおける情報量(AoI)と総エネルギー消費の重み付けを最小化する問題について検討する。
サンプリングポリシを最適化するために,分散強化学習手法を提案する。
PM 2.5公害の実データを用いたシミュレーションでは、提案アルゴリズムがAoIの合計を最大17.8%および33.9%削減できることが示された。
論文 参考訳(メタデータ) (2021-04-04T03:17:26Z) - Generation of Realistic Cloud Access Times for Mobile Application
Testing using Transfer Learning [2.561649173827544]
本稿では,Long Short Term Memory(LSTM)ニューラルネットを用いた伝達学習に基づく計測駆動手法について述べる。
本機能は,多様なターゲット環境に適応した現実的なWiFiおよびLTEクラウドアクセス時間モデルに対して提案する。
これらのモデルから生成された合成トレースは、アプリケーションqoeメトリック分布を正確に再現できることを実証する。
論文 参考訳(メタデータ) (2021-03-16T22:42:34Z) - MS-RANAS: Multi-Scale Resource-Aware Neural Architecture Search [94.80212602202518]
我々は,MS-RANAS(Multi-Scale Resource-Aware Neural Architecture Search)を提案する。
我々は,検索コストの削減を図るために,ワンショットのアーキテクチャ探索手法を採用した。
我々は精度-速度トレードオフの観点から最先端の結果を得る。
論文 参考訳(メタデータ) (2020-09-29T11:56:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。