ترجمه فارسی مقاله آموزش در حین پرواز: یادگیری خودنظارتی روی دستگاه با استفاده از نانوپهپادها در محدوده ۲۰ میلی‌وات

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Training on the Fly: On-device Self-supervised Learning aboard Nano-drones within 20 mW
عنوان مقاله به فارسی آموزش در حین پرواز: یادگیری خودنظارتی روی دستگاه با استفاده از نانوپهپادها در محدوده ۲۰ میلی‌وات
نویسندگان Elia Cereda, Alessandro Giusti, Daniele Palossi
فرمت مقاله انگلیسی PDF
تعداد صفحات 12
دسته بندی موضوعات Robotics,Artificial Intelligence,Systems and Control,روباتیک , هوش مصنوعی , سیستم ها و کنترل ,
توضیحات Submitted 6 August, 2024; originally announced August 2024. , Comments: This paper has been accepted for publication in the IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems. Copyright 2024 IEEE
توضیحات به فارسی ارائه شده در 6 اوت 2024 ؛در ابتدا در اوت 2024 اعلام شد. ، نظرات: این مقاله برای انتشار در معاملات IEEE در طراحی رایانه ای مدارها و سیستم های یکپارچه پذیرفته شده است.کپی رایت 2024 IEEE

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 480,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Miniaturized cyber-physical systems (CPSes) powered by tiny machine learning (TinyML), such as nano-drones, are becoming an increasingly attractive technology. Their small form factor (i.e., ~10cm diameter) ensures vast applicability, ranging from the exploration of narrow disaster scenarios to safe human-robot interaction. Simple electronics make these CPSes inexpensive, but strongly limit the computational, memory, and sensing resources available on board. In real-world applications, these limitations are further exacerbated by domain shift. This fundamental machine learning problem implies that model perception performance drops when moving from the training domain to a different deployment one. To cope with and mitigate this general problem, we present a novel on-device fine-tuning approach that relies only on the limited ultra-low power resources available aboard nano-drones. Then, to overcome the lack of ground-truth training labels aboard our CPS, we also employ a self-supervised method based on ego-motion consistency. Albeit our work builds on top of a specific real-world vision-based human pose estimation task, it is widely applicable for many embedded TinyML use cases. Our 512-image on-device training procedure is fully deployed aboard an ultra-low power GWT GAP9 System-on-Chip and requires only 1MB of memory while consuming as low as 19mW or running in just 510ms (at 38mW). Finally, we demonstrate the benefits of our on-device learning approach by field-testing our closed-loop CPS, showing a reduction in horizontal position error of up to 26% vs. a non-fine-tuned state-of-the-art baseline. In the most challenging never-seen-before environment, our on-device learning procedure makes the difference between succeeding or failing the mission.

چکیده به فارسی (ترجمه ماشینی)

سیستم های سایبری مینیاتوریزه (CPSEs) که از یادگیری ماشین ریز (TINYML) مانند نانو کشنده ها استفاده می شود ، به یک فناوری به طور فزاینده ای تبدیل می شوند.فاکتور شکل کوچک آنها (به عنوان مثال ، قطر 10 سانتی متر ~) کاربرد گسترده ای را تضمین می کند ، از اکتشاف سناریوهای باری فاجعه گرفته تا تعامل ایمن انسان.الکترونیک ساده این CPSE ها را ارزان می کند ، اما منابع محاسباتی ، حافظه و سنجش موجود در صفحه را به شدت محدود می کند.در برنامه های دنیای واقعی ، این محدودیت ها با تغییر دامنه تشدید می شوند.این مشکل اساسی یادگیری ماشین حاکی از آن است که عملکرد ادراک مدل هنگام حرکت از حوزه آموزش به یک استقرار متفاوت کاهش می یابد.برای مقابله و کاهش این مشکل کلی ، ما یک رویکرد تنظیم دقیق در مورد دستگاه را ارائه می دهیم که فقط به منابع قدرت فوق العاده کم محدود موجود در داخل نانو روکش ها متکی است.سپس ، برای غلبه بر عدم وجود برچسب های آموزش حقیقت زمین در CPS ما ، ما همچنین از یک روش خودکارد شده بر اساس قوام حرکات نفس استفاده می کنیم.البته کار ما در بالای یک کار تخمین خاص بر روی چشم انداز انسانی مبتنی بر دید واقعی قرار دارد ، اما برای بسیاری از موارد استفاده از tinyml تعبیه شده بسیار کاربرد دارد.روش آموزش 512 تصویر ما در زمینه دستگاه به طور کامل در یک سیستم فوق العاده کم GWT GAP9 سیستم روی تراشه مستقر شده است و فقط در حالی که کم مصرف 19 مگاوات یا فقط در 510ms (در 38 مگاوات) به 1 مگابایت حافظه نیاز دارد.سرانجام ، ما مزایای رویکرد یادگیری در دستگاه خود را با آزمایش CPS حلقه بسته خود نشان می دهیم ، که نشان دهنده کاهش خطای موقعیت افقی حداکثر 26 ٪ در مقابل یک تنظیم غیرقانونی غیرقانونی استپایهدر چالش برانگیزترین محیطی که قبلاً دیده نشده بود ، روش یادگیری در دستگاه ما تفاوت بین موفقیت یا عدم موفقیت در مأموریت را ایجاد می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.