Fugu-MT 論文翻訳(概要): Late Breaking Results: Energy-Efficient Printed Machine Learning Classifiers with Sequential SVMs

論文の概要: Late Breaking Results: Energy-Efficient Printed Machine Learning Classifiers with Sequential SVMs

arxiv url: http://arxiv.org/abs/2501.16828v1
Date: Tue, 28 Jan 2025 10:11:00 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-29 16:40:02.372858
Title: Late Breaking Results: Energy-Efficient Printed Machine Learning Classifiers with Sequential SVMs
Title（参考訳）: 逐次SVMを用いたエネルギー効率の良い印刷機械学習分類器
Authors: Spyridon Besias, Ilias Sertaridis, Florentia Afentaki, Konstantinos Balaskas, Georgios Zervakis,
Abstract要約: 本研究では,既存の電池の電力制約に適合するSVM回路を設計する。その結果,6.5倍の省エネ効果が得られた。
参考スコア（独自算出の注目度）: 0.6670927729669428
License:
Abstract: Printed Electronics (PE) provide a mechanically flexible and cost-effective solution for machine learning (ML) circuits, compared to silicon-based technologies. However, due to large feature sizes, printed classifiers are limited by high power, area, and energy overheads, which restricts the realization of battery-powered systems. In this work, we design sequential printed bespoke Support Vector Machine (SVM) circuits that adhere to the power constraints of existing printed batteries while minimizing energy consumption, thereby boosting battery life. Our results show 6.5x energy savings while maintaining higher accuracy compared to the state of the art.
Abstract（参考訳）: Printed Electronics (PE)は、シリコンベースの技術と比較して、機械的に柔軟で費用対効果の高い機械学習(ML)回路ソリューションを提供する。しかし、大きな特徴量のため、印刷された分類器は高出力、面積、エネルギーのオーバーヘッドによって制限され、電池駆動システムの実現が制限される。本研究では,エネルギー消費を最小化しつつ,既存の電池の電力制約に従属する連続印刷支援ベクトルマシン(SVM)回路を設計し,バッテリ寿命を向上する。その結果,6.5倍の省エネ効果が得られた。

関連論文リスト

DVQI: A Multi-task, Hardware-integrated Artificial Intelligence System for Automated Visual Inspection in Electronics Manufacturing [57.33324493991657]
本稿では,DVQI(DarwinAI Visual Quality Inspection)システムを用いて,プリント基板組立欠陥の自動検査を行う。 DVQIシステムは、最小限のプログラミングと製造技術者のセットアップによるマルチタスク検査を可能にする。また、DVQIシステムの性能と、トップエレクトロニクスメーカーへの影響に関するケーススタディも提示する。
論文参考訳（メタデータ） (2023-12-14T18:56:54Z)
Random resistive memory-based deep extreme point learning machine for unified visual processing [67.51600474104171]
ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
論文参考訳（メタデータ） (2023-12-14T09:46:16Z)
Sustainable Edge Intelligence Through Energy-Aware Early Exiting [0.726437825413781]
EHエッジインテリジェンスシステムにおいて,エネルギー適応型動的早期退避を提案する。提案手法は, サンプルごとの最適計算量を決定する, エネルギー対応のEEポリシーを導出する。その結果, エネルギーに依存しない政策と比較して, 精度は25%, サービスレートは35%向上した。
論文参考訳（メタデータ） (2023-05-23T14:17:44Z)
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)
Great Power, Great Responsibility: Recommendations for Reducing Energy for Training Language Models [8.927248087602942]
一般的なNLPアプリケーションのエネルギー消費を削減できる技術について検討する。これらの手法は、訓練言語モデルや推論に使用する際のエネルギー消費を著しく減少させる可能性がある。
論文参考訳（メタデータ） (2022-05-19T16:03:55Z)
Attention Mechanism with Energy-Friendly Operations [61.58748425876866]
我々はエネルギー消費の観点から注意機構を再考する。我々は、乗算を選択的操作または加算に置き換えることで、新しい注意モデルを構築する。 3つの機械翻訳タスクにおける実験結果から,提案手法が再現可能な精度を実現することを示す。
論文参考訳（メタデータ） (2022-04-28T08:50:09Z)
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)
Learning, Computing, and Trustworthiness in Intelligent IoT Environments: Performance-Energy Tradeoffs [62.91362897985057]
Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを協調実行可能な異種デバイスで構成されている。本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。
論文参考訳（メタデータ） (2021-10-04T19:41:42Z)
Memory-Aware Partitioning of Machine Learning Applications for Optimal Energy Use in Batteryless Systems [17.072240411944914]
電池レスアプリケーションの総エネルギーコストを最適化する自動化手法であるJulinningを提案する。本手法では, エネルギー負荷を0.12%に抑えながら, 必要なエネルギー貯蔵量を94%以上削減できる。
論文参考訳（メタデータ） (2021-08-05T09:49:42Z)
Efficient pre-training objectives for Transformers [84.64393460397471]
本研究はトランスフォーマーモデルにおける高効率事前学習目標について検討する。マスクトークンの除去と損失時のアウトプット全体の考慮が,パフォーマンス向上に不可欠な選択であることを証明する。
論文参考訳（メタデータ） (2021-04-20T00:09:37Z)
Universal Battery Performance and Degradation Model for Electric Aircraft [52.77024349608834]
電動垂直離着陸機(eVTOL)の設計、解析、運用には、Liイオン電池の性能の迅速かつ正確な予測が必要である。我々は,eVTOLのデューティサイクルに特有の電池性能と熱的挙動のデータセットを生成する。このデータセットを用いて,物理インフォームド機械学習を用いた電池性能・劣化モデル(Cellfit)を開発した。
論文参考訳（メタデータ） (2020-07-06T16:10:54Z)

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。