اکسپرس 24
ترجمه فارسی مقاله یادگیری ماشین در حسگرها: حسگرهای هوشمند مبتنی بر محاسبات برای نسل بعدی اینترنت اشیا

ترجمه فارسی مقاله یادگیری ماشین در حسگرها: حسگرهای هوشمند مبتنی بر محاسبات برای نسل بعدی اینترنت اشیا

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 Machine Learning In-Sensors: Computation-enabled Intelligent Sensors For Next Generation of IoT
عنوان مقاله به فارسی یادگیری ماشین در حسگرها: حسگرهای هوشمند مبتنی بر محاسبات برای نسل بعدی اینترنت اشیا
نویسندگان Andrea Ronco, Lukas Schulthess, David Zehnder, Michele Magno
فرمت مقاله انگلیسی PDF
تعداد صفحات 4
دسته بندی موضوعات Signal Processing,Hardware Architecture,Systems and Control,پردازش سیگنال , معماری سخت افزار , سیستم ها و کنترل ,
توضیحات Submitted 31 July, 2024; originally announced July 2024.
توضیحات به فارسی ارسال 31 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد.

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 160,000 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

Smart sensors are an emerging technology that allows combining the data acquisition with the elaboration directly on the Edge device, very close to the sensors. To push this concept to the extreme, technology companies are proposing a new generation of sensors allowing to move the intelligence from the edge host device, typically a microcontroller, directly to the ultra-low-power sensor itself, in order to further reduce the miniaturization, cost and energy efficiency. This paper evaluates the capabilities of a novel and promising solution from STMicroelectronics. The presence of a floating point unit and an accelerator for binary neural networks provide capabilities for in-sensor feature extraction and machine learning. We propose a comparison of full-precision and binary neural networks for activity recognition with accelerometer data generated by the sensor itself. Experimental results have demonstrated that the sensor can achieve an inference performance of 10.7 cycles/MAC, comparable to a Cortex-M4-based microcontroller, with full-precision networks, and up to 1.5 cycles/MAC with large binary models for low latency inference, with an average energy consumption of only 90 $μ$J/inference with the core running at 5 MHz.

چکیده به فارسی (ترجمه ماشینی)

سنسورهای هوشمند یک فناوری در حال ظهور هستند که امکان ترکیب داده ها را با تدوین مستقیم در دستگاه لبه ، بسیار نزدیک به سنسورها فراهم می کند.برای فشار آوردن این مفهوم به افراط ، شرکت های فناوری ارائه نسل جدیدی از سنسورها را ارائه می دهند که اجازه می دهند هوش را از دستگاه میزبان Edge ، به طور معمول یک میکروکنترلر ، مستقیماً به سنسور فوق العاده کم قدرت منتقل کنند تا بتوانند مینیاتوریزاسیون را کاهش دهند.، هزینه و بهره وری انرژی.در این مقاله قابلیت های یک راه حل جدید و امیدوار کننده از stmicroelectronics ارزیابی شده است.وجود یک واحد نقطه شناور و یک شتاب دهنده برای شبکه های عصبی باینری قابلیت هایی را برای استخراج ویژگی در سنسور و یادگیری ماشین فراهم می کند.ما مقایسه ای از شبکه های عصبی با دقت کامل و باینری را برای تشخیص فعالیت با داده های شتاب سنج تولید شده توسط خود سنسور پیشنهاد می کنیم.نتایج تجربی نشان داده است که سنسور می تواند به عملکرد استنتاج 10.7 چرخه در مک برسد ، قابل مقایسه با میکروکنترلر مبتنی بر قشر- M4 ، با شبکه های با دقت کامل و حداکثر 1.5 چرخه/MAC با مدلهای باینری بزرگ برای استنتاج تأخیر کم ،با میانگین مصرف انرژی تنها 90 $ μ $ j/استنباط با هسته در 5 مگاهرتز اجرا می شود.

📚 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.