論文の概要: Online gas classification at the edge
- arxiv url: http://arxiv.org/abs/2610.36999v1
- Date: Tue, 27 Oct 2026 10:46:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-28 21:04:31.568909
- Title: Online gas classification at the edge
- Title(参考訳): エッジにおけるオンラインガス分類
- Abstract要約: 現在のガス分類パイプラインは、制御されたサンプリングサイクルとオフラインの特徴抽出を前提としている。
本稿では、粗い高次元のバイナリ表現を用いて、生センサアレイの読み出しを分類するニューラルネットワークアーキテクチャを提案する。
我々は,混合信号型ニューロモルフィックチップTEXEL上での有害ガス検出実験により,チップ上のネットワークを実証した。
- 参考スコア(独自算出の注目度): 0.875584816877832
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Field applications in chemical sensing, from portable safety monitors to mobile robots, require models that are lightweight, fast to respond, and can be recalibrated from limited labelled data. Current gas classification pipelines assume controlled sampling cycles and offline feature extraction, and rely on computationally expensive models. With a few thousand neurons and sub-milliwatt power consumption, insects reliably classify odours in open environments. Inspired by the insect olfactory system, we present a neural network architecture that classifies raw sensor array readings using a sparse, high-dimensional binary representation. We evaluate it on random sequences of single gases and binary mixtures, introducing new samples dynamically and classifying gas identity from the transient sensor response. In this setting, the architecture out-performs a linear \gls{svm} on gas mixtures and matches an optimised non-linear \gls{svm}, while maintaining online class-level frequency estimates that distinguish familiar from novel stimuli. It relies exclusively on binary weights and Hebbian-based local learning, remaining computationally lightweight and well suited to ultra-low-power neuromorphic processors. We demonstrated the network on-chip with a hazardous gas detection experiment running on the mixed-signal neuromorphic chip TEXEL. The on-chip classifier yielded an accuracy of 74.6\% while running at 482 $\unit{\nano\joule}$ per inference and 27 \unit{\micro\watt} of static-power.
- Abstract(参考訳): 携帯型安全モニターから移動ロボットまで、化学センシングの分野への応用には、軽量で応答が速いモデルが必要で、ラベル付けされた限られたデータから再調整できる。
現在のガス分類パイプラインは、制御されたサンプリングサイクルとオフラインの特徴抽出を前提としており、計算コストの高いモデルに依存している。
数千のニューロンとミリワット以下の消費電力を持つ昆虫は、オープンな環境での臭気を確実に分類する。
昆虫嗅覚システムにインスパイアされたニューラルネットワークアーキテクチャは、粗い高次元のバイナリ表現を用いて、生センサアレイの読み出しを分類する。
単一ガスと二成分混合物のランダムな配列で評価し、新しい試料を動的に導入し、過渡的なセンサ応答からガスの識別を分類した。
この設定では、このアーキテクチャは気体混合物上で線形 \gls{svm} を上回り、最適化された非線形 \gls{svm} と一致する。
これは双対重みとヘビアンに基づく局所学習にのみ依存しており、計算量的に軽量であり、超低消費電力のニューロモルフィックプロセッサに適している。
混合信号型ニューロモルフィックチップTEXEL上での有害ガス検出実験により,ネットワークのオンチップを実証した。
オンチップの分類器は、482$\unit{\nano\joule}$推論と27 \unit{\micro\watt}の静的パワーを走らせながら、74.6\%の精度を得た。
関連論文リスト
- An Exploratory Study of Single Channel Surface Electromyography for Hand Gesture Classification [0.0]
本研究では,1つのsEMGチャネルと軽量機械学習アーキテクチャを組み合わせた10手ジェスチャーの分類の実現可能性について検討した。
3つの分類器、フィードフォワードニューラルネットワーク(NN)、k-nearest neighbors(KNN)、サポートベクターマシン(SVM)を4つの実験で体系的に評価した。
その結果,時間と周波数の特徴をピアソンフィルタとコンパクトNNと組み合わせることで,時間的・空間的情報に制限がある場合でも,最大90%の精度が得られることがわかった。
論文 参考訳(メタデータ) (2026-07-17T14:06:40Z) - Limitations in odour recognition and generalisation in a neuromorphic
olfactory circuit [0.07589017023705934]
本稿では, 哺乳類嗅球に記述された回路にインスパイアされた, ニューロモルフィックアーキテクチャ上での臭気学習アルゴリズムを提案する。
彼らは、ガス臭気と無臭ガスの「ラピッドオンライン学習と識別」におけるアルゴリズムの性能を評価する。
論文 参考訳(メタデータ) (2023-09-20T18:00:05Z) - Factorizers for Distributed Sparse Block Codes [45.29870215671697]
分散ブロック符号(SBC)を高速かつ高精度に分解する手法を提案する。
我々の反復分解器は、しきい値に基づく非線形活性化、条件付きランダムサンプリング、および $ell_infty$-based similarity metricを導入している。
CIFAR-100, ImageNet-1K, RAVENデータセット上での4つの深層CNNアーキテクチャの実現可能性を示す。
論文 参考訳(メタデータ) (2023-03-24T12:31:48Z) - Deep Multi-Emitter Spectrum Occupancy Mapping that is Robust to the
Number of Sensors, Noise and Threshold [32.880113150521154]
スペクトル占有マッピングの主な目的の1つは、センサー数、占有閾値(dBm)、センサノイズ、エミッタ数、伝播環境に関する仮定に頑健なシステムを作ることである。
このようなシステムは、トレーニングやテスト中に様々なセンサーを利用できるように、アグリゲーションのプロセスを用いてニューラルネットワークで設計される可能性がある。
論文 参考訳(メタデータ) (2022-11-27T14:08:11Z) - Variable Bitrate Neural Fields [75.24672452527795]
本稿では,特徴格子を圧縮し,メモリ消費を最大100倍に削減する辞書手法を提案する。
辞書の最適化をベクトル量子化オートデコーダ問題として定式化し、直接監督できない空間において、エンドツーエンドの離散神経表現を学習する。
論文 参考訳(メタデータ) (2022-06-15T17:58:34Z) - ZippyPoint: Fast Interest Point Detection, Description, and Matching
through Mixed Precision Discretization [71.91942002659795]
我々は,ネットワーク量子化技術を用いて推論を高速化し,計算限定プラットフォームでの利用を可能にする。
バイナリディスクリプタを用いた効率的な量子化ネットワークZippyPointは,ネットワーク実行速度,ディスクリプタマッチング速度,3Dモデルサイズを改善する。
これらの改善は、ホモグラフィー推定、視覚的ローカライゼーション、マップフリーな視覚的再ローカライゼーションのタスクで評価されるように、小さなパフォーマンス劣化をもたらす。
論文 参考訳(メタデータ) (2022-03-07T18:59:03Z) - An Empirical Study of Adder Neural Networks for Object Detection [67.64041181937624]
加算ニューラルネットワーク(AdderNets)は、追加操作のみを伴う画像分類において、優れたパフォーマンスを示している。
本稿では,オブジェクト検出のためのAdderNetsを実証研究する。
論文 参考訳(メタデータ) (2021-12-27T11:03:13Z) - Accelerating Training and Inference of Graph Neural Networks with Fast
Sampling and Pipelining [58.10436813430554]
グラフニューラルネットワーク(GNN)のミニバッチトレーニングには、多くの計算とデータ移動が必要である。
我々は,分散マルチGPU環境において,近傍サンプリングを用いたミニバッチトレーニングを行うことを支持する。
本稿では,これらのボトルネックを緩和する一連の改良点について述べる。
また,サンプリングによる推論を支援する実験分析を行い,試験精度が実質的に損なわれていないことを示す。
論文 参考訳(メタデータ) (2021-10-16T02:41:35Z) - DAAIN: Detection of Anomalous and Adversarial Input using Normalizing
Flows [52.31831255787147]
我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。
本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。
当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
論文 参考訳(メタデータ) (2021-05-30T22:07:13Z) - Convolutional-Recurrent Neural Networks on Low-Power Wearable Platforms
for Cardiac Arrhythmia Detection [0.18459705687628122]
マイクロコントローラと低消費電力プロセッサで動作するニューラルネットワークの推論に焦点を当てる。
心不整脈を検出・分類するために既存の畳み込みリカレントニューラルネットワークを適用した。
メモリフットプリントは195.6KB、スループットは33.98MOps/sである。
論文 参考訳(メタデータ) (2020-01-08T10:35:48Z)
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。