論文の概要: Exploration of Low-Power Flexible Stress Monitoring Classifiers for Conformal Wearables

• arxiv url: http://arxiv.org/abs/2508.19661v1
• Date: Wed, 27 Aug 2025 08:19:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.555025
• Title: Exploration of Low-Power Flexible Stress Monitoring Classifiers for Conformal Wearables
• Title（参考訳）: コンフォーマルウェアラブル用低出力フレキシブル応力モニタリング分類器の探索
• Authors: Florentia Afentaki, Sri Sai Rakesh Nakkilla, Konstantinos Balaskas, Paula Carolina Lozano Duarte, Shiyi Jiang, Georgios Zervakis, Farshad Firouzi, Krishnendu Chakrabarty, Mehdi B. Tahoori,
• Abstract要約: 最先端のアプローチでは、軽量でフレキシブルな摩耗に最適化されていない、堅いシリコンベースのウェアラブルを使用している。 FEは、フレキシブルで製造コストの低い、リアルタイムなストレス監視回路を提供する。 この研究は、低消費電力でフレキシブルな応力分類器の包括的設計空間探索を初めて行った。
• 参考スコア（独自算出の注目度）: 3.195176634942016
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conventional stress monitoring relies on episodic, symptom-focused interventions, missing the need for continuous, accessible, and cost-efficient solutions. State-of-the-art approaches use rigid, silicon-based wearables, which, though capable of multitasking, are not optimized for lightweight, flexible wear, limiting their practicality for continuous monitoring. In contrast, flexible electronics (FE) offer flexibility and low manufacturing costs, enabling real-time stress monitoring circuits. However, implementing complex circuits like machine learning (ML) classifiers in FE is challenging due to integration and power constraints. Previous research has explored flexible biosensors and ADCs, but classifier design for stress detection remains underexplored. This work presents the first comprehensive design space exploration of low-power, flexible stress classifiers. We cover various ML classifiers, feature selection, and neural simplification algorithms, with over 1200 flexible classifiers. To optimize hardware efficiency, fully customized circuits with low-precision arithmetic are designed in each case. Our exploration provides insights into designing real-time stress classifiers that offer higher accuracy than current methods, while being low-cost, conformable, and ensuring low power and compact size.
• Abstract（参考訳）: 従来のストレスモニタリングは、エピソード的、症状に焦点を当てた介入に依存しており、継続的な、アクセスしやすく、コスト効率のよいソリューションの必要性を欠いている。 最先端のアプローチでは、厳格なシリコンベースのウェアラブルを使用し、マルチタスクが可能なが、軽量でフレキシブルな摩耗には最適化されておらず、継続的な監視に実用性が制限されている。 対照的に、フレキシブルエレクトロニクス(FE)は、フレキシブルで製造コストの低いものを提供し、リアルタイムのストレス監視回路を可能にしている。 しかし、統合と電力制約のため、FEで機械学習(ML)分類器のような複雑な回路を実装することは困難である。 フレキシブルバイオセンサーとADCについてはこれまで研究されてきたが、ストレス検出のための分類器の設計はまだ未検討である。 この研究は、低消費電力でフレキシブルな応力分類器を包括的に設計した最初のものである。 様々なML分類器、特徴選択、ニューラル単純化アルゴリズムを1200以上のフレキシブル分類器でカバーする。 ハードウェア効率を最適化するために、各ケースで低精度演算を伴う完全カスタマイズ回路を設計する。 我々の探索は、低コストで整合性があり、低消費電力でコンパクトなサイズを確保しながら、現在の方法よりも高精度なリアルタイムストレス分類器の設計に関する洞察を提供する。

関連論文リスト

• MuFlex: A Scalable, Physics-based Platform for Multi-Building Flexibility Analysis and Coordination [17.55434238676]
  MuFlexはスケーラブルでオープンソースのプラットフォームで、マルチビルドのフレキシビリティ調整のための制御戦略のベンチマークとテストを行う。 プラットフォーム能力は、4つのオフィスビルの需要柔軟性を調整したケーススタディで実証された。
  論文  参考訳（メタデータ） (2025-08-19T05:44:06Z)
• Stress Monitoring in Healthcare: An Ensemble Machine Learning Framework Using Wearable Sensor Data [0.0]
  本研究では,生理的信号,脳活動,心拍数,皮膚温度などのデータセットを紹介する。 これらの課題を克服するため、データセットはSMOTE(Synthetic Minority Over sample Technique)で事前処理が行われた。 Random Forest、XGBoost、Multi-Layer Perceptron(MLP)といった先進的な機械学習モデルを評価し、スタックに組み合わせて、それらの予測強度を活用した。
  論文  参考訳（メタデータ） (2025-07-10T09:47:56Z)
• Code-as-Monitor: Constraint-aware Visual Programming for Reactive and Proactive Robotic Failure Detection [56.66677293607114]
  オープンセットのリアクティブかつアクティブな障害検出のためのCode-as-Monitor(CaM)を提案する。 モニタリングの精度と効率を高めるために,制約関連エンティティを抽象化する制約要素を導入する。 実験により、CaMは28.7%高い成功率を達成し、厳しい乱れの下で実行時間を31.8%短縮することが示された。
  論文  参考訳（メタデータ） (2024-12-05T18:58:27Z)
• Provably Transformers Harness Multi-Concept Word Semantics for Efficient In-Context Learning [53.685764040547625]
  トランスフォーマーベースの大規模言語モデル(LLM)は、卓越した創造力と出現能力を示している。 この研究は、トランスフォーマーが単語のマルチコンセプトセマンティクスをどのように活用し、強力なICLと優れたアウト・オブ・ディストリビューションICL能力を実現するかを示すための数学的解析を提供する。
  論文  参考訳（メタデータ） (2024-11-04T15:54:32Z)
• 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)
• Toward Fast, Flexible, and Robust Low-Light Image Enhancement [87.27326390675155]
  我々は、現実の低照度シナリオにおいて、高速でフレキシブルで頑健な鮮明化のための新しい自己校正イルミネーション(SCI)学習フレームワークを開発した。 カスケードパターンの計算負担を考慮すると、各ステージの結果の収束を実現する自己校正モジュールを構築する。 我々は,SCI固有の特性について,操作不感適応性やモデル非関係の一般性を含む包括的探索を行う。
  論文  参考訳（メタデータ） (2022-04-21T14:40:32Z)
• Constrained multi-objective optimization of process design parameters in settings with scarce data: an application to adhesive bonding [48.7576911714538]
  接着プロセスに最適なプロセスパラメータを見つけることは困難である。 遺伝的アルゴリズムのような伝統的な進化的アプローチは、その問題を解決するのに不適である。 本研究では,目的関数と制約関数をエミュレートするために,特定の機械学習手法をうまく応用した。
  論文  参考訳（メタデータ） (2021-12-16T10:14:39Z)

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。