論文の概要: On-sensor Printed Machine Learning Classification via Bespoke ADC and
Decision Tree Co-Design
- arxiv url: http://arxiv.org/abs/2312.01172v1
- Date: Sat, 2 Dec 2023 16:28:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-05 18:55:16.438129
- Title: On-sensor Printed Machine Learning Classification via Bespoke ADC and
Decision Tree Co-Design
- Title（参考訳）: Bespoke ADCと決定木共設計によるオンセンサー印刷機械学習分類
- Authors: Giorgos Armeniakos, Paula L. Duarte, Priyanjana Pal, Georgios
Zervakis, Mehdi B. Tahoori, Dimitrios Soudris
- Abstract要約: プリントエレクトロニクス(PE)技術は、非再帰的なエンジニアリングと製造コストが低いため、コスト効率のよいハードウェアを未使用のカスタマイズで提供する。
PEは、柔軟性、伸縮性、ポロシティ、整合性などの特徴があり、ユビキタスコンピューティングの実現の有力な候補となっている。
本稿では,完全にカスタマイズされた ADC の設計を提案する。
- 参考スコア（独自算出の注目度）: 3.919502921806021
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Printed electronics (PE) technology provides cost-effective hardware with
unmet customization, due to their low non-recurring engineering and fabrication
costs. PE exhibit features such as flexibility, stretchability, porosity, and
conformality, which make them a prominent candidate for enabling ubiquitous
computing. Still, the large feature sizes in PE limit the realization of
complex printed circuits, such as machine learning classifiers, especially when
processing sensor inputs is necessary, mainly due to the costly
analog-to-digital converters (ADCs). To this end, we propose the design of
fully customized ADCs and present, for the first time, a co-design framework
for generating bespoke Decision Tree classifiers. Our comprehensive evaluation
shows that our co-design enables self-powered operation of on-sensor printed
classifiers in all benchmark cases.
- Abstract（参考訳）: プリントエレクトロニクス(pe)技術は、非繰り返しのエンジニアリングと製造コストの低さから、コスト効率の良いハードウェアをunmetのカスタマイズで提供する。
peは柔軟性、伸縮性、ポロシティ、適合性などの特徴を示しており、ユビキタスコンピューティングを実現するための重要な候補となっている。
それでもpeの大きな特徴サイズは、特にセンサ入力が必要な場合、特にコストのかかるアナログ-デジタル変換器(adc)のために、機械学習分類器のような複雑なプリント回路の実現を制限する。
この目的のために、完全にカスタマイズされたADCの設計を提案し、はじめて、造語決定木分類器を生成するための協調設計フレームワークを提案する。
総合評価の結果,この共同設計により,すべてのベンチマークケースにおいて,オンセンサプリント分類器の自己動作が可能となった。
関連論文リスト
- Reducing ADC Front-end Costs During Training of On-sensor Printed Multilayer Perceptrons [0.9406794506458744]
印刷電子技術は、従来のシリコン技術を超える計算ニーズに対して、費用対効果のあるソリューションを提供する。
印刷エレクトロニクスの低解像度化は、機械学習(ML)分類システムのような複雑な設計を統合する上での課題である。
論文 参考訳（メタデータ） (2024-11-13T15:08:35Z) - Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。
製品ライフサイクルを通じてデータをデジタル化することで、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。
産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
論文 参考訳（メタデータ） (2024-08-02T10:47:10Z) - Benchmarking End-To-End Performance of AI-Based Chip Placement Algorithms [77.71341200638416]
ChiPBenchはAIベースのチップ配置アルゴリズムの有効性を評価するために設計されたベンチマークである。
評価のために、さまざまなドメイン(CPU、GPU、マイクロコントローラなど)から20の回路を集めました。
その結果, 単点アルゴリズムの中間距離が支配的であったとしても, 最終的なPPA結果は満足できないことがわかった。
論文 参考訳（メタデータ） (2024-07-03T03:29:23Z) - Bespoke Approximation of Multiplication-Accumulation and Activation Targeting Printed Multilayer Perceptrons [0.8274768545559366]
Printed Electronics (PE) は、非再帰エンジニアリングコスト、超低製造コスト、オンデマンド製造など、非並列的な機能を提供している。
PEは、その大きな特徴サイズのためにある種の制限に直面しており、複雑な回路の実現を妨げる。
超低消費電力多層パーセプトロン(MLP)分類器を設計するための自動フレームワークを提案する。
論文 参考訳（メタデータ） (2023-12-29T14:16:11Z) - Co-Design of Approximate Multilayer Perceptron for Ultra-Resource
Constrained Printed Circuits [4.865819809855699]
Printed Electronics (PE) では、複雑な印刷機械学習回路の実現が禁止されている。
このフレームワークは、近似計算の原理を利用して、超リソース制約付きプリント多層パーセプトロン(MLP)を実現する。
評価の結果,最先端のベースラインと比較して,回路は平均6倍 (5.7x) 以下の領域 (電力) と1%未満の精度損失を特徴としている。
論文 参考訳（メタデータ） (2023-02-28T13:55:19Z) - Design Space Exploration and Explanation via Conditional Variational
Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。
CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
論文 参考訳（メタデータ） (2022-11-29T17:28:31Z) - Design Automation for Fast, Lightweight, and Effective Deep Learning
Models: A Survey [53.258091735278875]
本調査では,エッジコンピューティングを対象としたディープラーニングモデルの設計自動化技術について述べる。
これは、有効性、軽量性、計算コストの観点からモデルの習熟度を定量化するために一般的に使用される主要なメトリクスの概要と比較を提供する。
この調査は、ディープモデル設計自動化技術の最先端の3つのカテゴリをカバーしている。
論文 参考訳（メタデータ） (2022-08-22T12:12:43Z) - Developing an AI-enabled IIoT platform -- Lessons learned from early use
case validation [47.37985501848305]
本稿では,このプラットフォームの設計について紹介し,AIによる視覚的品質検査の実証者の観点からの早期評価について述べる。
これは、この初期の評価活動で学んだ洞察と教訓によって補完される。
論文 参考訳（メタデータ） (2022-07-10T18:51:12Z) - Approximate Decision Trees For Machine Learning Classification on Tiny
Printed Circuits [0.7349727826230862]
印刷電子(PE)は従来の評価基準ではシリコン系システムと競合することができない。
PEはオンデマンドの超低価格製造、柔軟性、非毒性などの魅力的な特性を提供する。
PEの魅力的な特性にもかかわらず、PEの大きな特徴は複雑なプリント回路の実現を禁止している。
論文 参考訳（メタデータ） (2022-03-15T15:47:59Z) - Estimating the electrical power output of industrial devices with
end-to-end time-series classification in the presence of label noise [6.857190736208506]
本研究では,中規模企業施設のコンバインドヒート・アンド・パワー・マシンの発電量の推定に焦点をあてる。
施設が完全に測定され,CHPからのセンサ測定が可能となると,トレーニングラベルを自動生成する。
本稿では,共有組込み表現を用いた分類器とオートエンコーダを共同で学習する,新しいマルチタスクディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2021-05-01T21:45:42Z) - Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。
我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。
実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
論文 参考訳（メタデータ） (2020-03-23T10:51:32Z)
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。