ترجمه فارسی مقاله یک هسته ODL کوچک تحت نظارت با هرس خودکار داده‌ها برای تشخیص فعالیت انسانی

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 A Tiny Supervised ODL Core with Auto Data Pruning for Human Activity Recognition
عنوان مقاله به فارسی یک هسته ODL کوچک تحت نظارت با هرس خودکار داده‌ها برای تشخیص فعالیت انسانی
نویسندگان Hiroki Matsutani, Radu Marculescu
فرمت مقاله انگلیسی PDF
تعداد صفحات 7
دسته بندی موضوعات Machine Learning,Hardware Architecture,یادگیری ماشین , معماری سخت افزار ,
توضیحات Submitted 2 August, 2024; originally announced August 2024. , Comments: IEEE BSN 2024 (accepted)
توضیحات به فارسی ارسال شده در 2 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: IEEE BSN 2024 (پذیرفته شده)

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: 280,000 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

In this paper, we introduce a low-cost and low-power tiny supervised on-device learning (ODL) core that can address the distributional shift of input data for human activity recognition. Although ODL for resource-limited edge devices has been studied recently, how exactly to provide the training labels to these devices at runtime remains an open-issue. To address this problem, we propose to combine an automatic data pruning with supervised ODL to reduce the number queries needed to acquire predicted labels from a nearby teacher device and thus save power consumption during model retraining. The data pruning threshold is automatically tuned, eliminating a manual threshold tuning. As a tinyML solution at a few mW for the human activity recognition, we design a supervised ODL core that supports our automatic data pruning using a 45nm CMOS process technology. We show that the required memory size for the core is smaller than the same-shaped multilayer perceptron (MLP) and the power consumption is only 3.39mW. Experiments using a human activity recognition dataset show that the proposed automatic data pruning reduces the communication volume by 55.7% and power consumption accordingly with only 0.9% accuracy loss.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله ، ما یک هسته یادگیری تحت نظارت بر روی دستگاه (ODL) کم هزینه و کم مصرف را معرفی می کنیم که می تواند به تغییر توزیع داده های ورودی برای تشخیص فعالیت های انسانی بپردازد.اگرچه اخیراً ODL برای دستگاه های لبه محدود منابع مورد مطالعه قرار گرفته است ، اما دقیقاً چگونه می توان برچسب های آموزشی را به این دستگاه ها در زمان اجرا ارائه داد ، همچنان یک موضوع باز است.برای پرداختن به این مشکل ، ما پیشنهاد می کنیم یک هرس داده های اتوماتیک با ODL تحت نظارت را ترکیب کنیم تا تعداد نمایش داده های مورد نیاز برای به دست آوردن برچسب های پیش بینی شده از یک دستگاه معلم در این نزدیکی را کاهش داده و در نتیجه صرفه جویی در مصرف برق در هنگام آموزش مدل.آستانه هرس داده ها به طور خودکار تنظیم می شود و تنظیم آستانه دستی را از بین می برد.به عنوان یک راه حل tinyml در چند مگاوات برای تشخیص فعالیت های انسانی ، ما یک هسته ODL تحت نظارت را طراحی می کنیم که از هرس داده های اتوماتیک ما با استفاده از یک فناوری فرایند CMOS 45 نانومتری پشتیبانی می کند.ما نشان می دهیم که اندازه حافظه مورد نیاز برای هسته کوچکتر از Perceptron چند لایه یکسان (MLP) است و مصرف برق فقط 3.39 مگاوات است.آزمایشات با استفاده از یک مجموعه داده تشخیص فعالیت انسانی نشان می دهد که هرس داده های اتوماتیک پیشنهادی ، حجم ارتباطات را 55.7 ٪ کاهش می دهد و بر اساس آن تنها با 0.9 ٪ از دست دادن دقت مصرف 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.