論文の概要: Self-organizing Architecture of Receptron Units: a Hardware-Aware Framework for Edge Intelligence
- arxiv url: http://arxiv.org/abs/2607.20162v1
- Date: Wed, 22 Jul 2026 13:57:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-23 18:51:38.099286
- Title: Self-organizing Architecture of Receptron Units: a Hardware-Aware Framework for Edge Intelligence
- Title（参考訳）: レセプトロンユニットの自己組織化アーキテクチャ:エッジインテリジェンスのためのハードウェア対応フレームワーク
- Authors: Stefano Radice, Ludovico Casaccia, Riccaro Emanuele Beccalli, Bruno Paroli, Paolo Milani,
- Abstract要約: Receptronは、非線形分離可能な決定境界を実装することができる単一ユニットアーキテクチャである。
このモデルは、デバイス上での継続的適応をサポートしながら、ミッドレンジのMCUに直接デプロイするように設計されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The growing demand for intelligent processing at the edge of IoT networks is constrained by the severe computational and memory limitations of microcontroller units, which render impractical conventional deep learning approaches. We propose a neuromorphicinspired classifier based on the Receptron model, a single-unit architecture capable of implementing non-linearly separable decision boundaries, without resorting to multi-layer networks. The model is designed for direct deployment on mid-range MCUs, while supporting continuous on-device adaptation. Experimental evaluation on basic dataset benchmarks yields cross-validated accuracies compatible with standard machine learning method baselines. These results position the Receptron as a viable and interpretable alternative for resource-constrained neuromorphic edge systems operating in dynamic, non-stationary environments.
- Abstract（参考訳）: IoTネットワークのエッジにおけるインテリジェント処理の需要の増加は、従来の非現実的なディープラーニングアプローチであるマイクロコントローラユニットの厳しい計算とメモリ制限によって制限されている。
多層ネットワークに頼らずに非線形に分離可能な決定境界を実装可能な単一ユニットアーキテクチャであるReceptronモデルに基づくニューロモーフィックインスパイア型分類器を提案する。
このモデルは、デバイス上での継続的適応をサポートしながら、ミッドレンジのMCUに直接デプロイするように設計されている。
基本的なデータセットベンチマークの実験評価では、標準的な機械学習メソッドのベースラインと互換性のあるクロスバリデーションアキュラシーが得られる。
これらの結果は、Receptronを動的で非定常環境で動作するリソース制約のニューロモルフィックエッジシステムの、実用的で解釈可能な代替品として位置づけている。
関連論文リスト
- Toward a Modular Architecture for Embedded AI Agent Systems at the Edge [0.0]
本稿では,組み込みエージェントシステムのためのモジュール型参照アーキテクチャを提案する。
On-Device AgentsとCloud-Augmented Agentsを分離するタイレッドデザインを導入する。
重要な貢献は、横断的なガバナンス層の統合である。
論文 参考訳（メタデータ） (2026-06-01T20:24:18Z) - Parallel Differentiable Reachability for Learning and Planning with Certified Neural Dynamics and Controllers [3.953304476953445]
解析的およびNNに基づく動的およびコントローラを備えた連続時間および離散時間システムのための並列化可能な、差別化可能な到達性フレームワークをJAXに提示する。
我々のフレームワークは,アフィン依存を保存する統一表現を通じて,テイラーモデルフローパイプ構造とCROWNスタイルの線形境界伝搬を組み合わせたものである。
このリーチビリティ・プリミティブに基づいて、(i)リーチビリティ・フレンドリなダイナミックスモデルとコントローラを促進するための認定トレーニング手法を開発し、(ii)勾配に基づく改良を伴うリーチビリティ・アウェア・サンプリングベースのMPCスキームを開発した。
論文 参考訳（メタデータ） (2026-05-25T02:04:06Z) - Current state of the multi-agent multi-view experimental and digital twin rendezvous (MMEDR-Autonomous) framework [0.0]
マシンラーニングベースのメソッドをガイダンス、ナビゲーション、コントロールアーキテクチャに統合して、堅牢なランデブーおよびドッキングフレームワークを設計することができる。
MMEDR-Autonomousは、学習ベースの光ナビゲーションネットワーク、開発中の強化学習ベースのガイダンスアプローチ、ループ内テストベッドからなる統合フレームワークである。
MMEDR-Autonomousフレームワークは現在、マルチエージェントランデブーシナリオにおける統合的な検証に向けて進んでいる。
論文 参考訳（メタデータ） (2026-03-21T00:13:54Z) - XBTorch: A Unified Framework for Modeling and Co-Design of Crossbar-Based Deep Learning Accelerators [0.5834731599084116]
本稿では,PyTorchとシームレスに統合された新しいシミュレーションフレームワークであるXBTorchを紹介する。
XBTorchは、新しいメモリ技術に基づいたクロスバーベースのシステムを正確かつ効率的にモデリングするための特殊なツールを提供する。
論文 参考訳（メタデータ） (2026-01-11T22:35:30Z) - In-Context Learning for Gradient-Free Receiver Adaptation: Principles, Applications, and Theory [54.92893355284945]
ディープラーニングベースの無線受信機は、様々なチャネル環境に動的に適応する能力を提供する。
ジョイントトレーニング、ハイパーネットワークベースの手法、メタラーニングを含む現在の適応戦略は、限られた柔軟性を示すか、勾配降下による明示的な最適化を必要とする。
本稿では、インコンテキスト学習(ICL)の新たなパラダイムに根ざした勾配なし適応手法を提案する。
論文 参考訳（メタデータ） (2025-06-18T06:43:55Z) - Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。
既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。
ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-29T19:02:54Z) - Model-based Deep Learning Receiver Design for Rate-Splitting Multiple
Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。
MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。
その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文 参考訳（メタデータ） (2022-05-02T12:23:55Z) - Recurrent neural network-based Internal Model Control of unknown
nonlinear stable systems [0.30458514384586394]
Gated Recurrent Neural Networks (RNN)は、動的システムを学ぶための人気のあるツールとなっている。
本稿では、内部モデル制御(IMC)アーキテクチャの合成にこれらのネットワークをどのように適用できるかについて議論する。
論文 参考訳（メタデータ） (2021-08-10T11:02:25Z) - Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with
Heterogeneous Learning Tasks [53.1636151439562]
モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。
再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。
具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
論文 参考訳（メタデータ） (2020-12-25T07:08:50Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z)
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。