ترجمه فارسی مقاله SPIRIT: پیش‌بینی تصرف کم مصرف با استفاده از یادگیری آنلاین بدون نظارت و زوم آنالوگ جلویی

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 SPIRIT: Low Power Seizure Prediction using Unsupervised Online-Learning and Zoom Analog Frontends
عنوان مقاله به فارسی SPIRIT: پیش‌بینی تصرف کم مصرف با استفاده از یادگیری آنلاین بدون نظارت و زوم آنالوگ جلویی
نویسندگان Aviral Pandey, Adelson Chua, Ryan Kaveh, Justin Doong, Rikky Muller
فرمت مقاله انگلیسی PDF
تعداد صفحات 11
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Signal Processing,Machine Learning,پردازش سیگنال , یادگیری ماشین ,
توضیحات Submitted 7 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال 7 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 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

Early prediction of seizures and timely interventions are vital for improving patients' quality of life. While seizure prediction has been shown in software-based implementations, to enable timely warnings of upcoming seizures, prediction must be done on an edge device to reduce latency. Ideally, such devices must also be low-power and track long-term drifts to minimize maintenance from the user. This work presents SPIRIT: Stochastic-gradient-descent-based Predictor with Integrated Retraining and In situ accuracy Tuning. SPIRIT is a complete system-on-a-chip (SoC) integrating an unsupervised online-learning seizure prediction classifier with eight 14.4 uW, 0.057 mm2, 90.5 dB dynamic range, Zoom Analog Frontends. SPIRIT achieves, on average, 97.5%/96.2% sensitivity/specificity respectively, predicting seizures an average of 8.4 minutes before they occur. Through its online learning algorithm, prediction accuracy improves by up to 15%, and prediction times extend by up to 7x, without any external intervention. Its classifier consumes 17.2 uW and occupies 0.14 mm2, the lowest reported for a prediction classifier by >134x in power and >5x in area. SPIRIT is also at least 5.6x more energy efficient than the state-of-the-art.

چکیده به فارسی (ترجمه ماشینی)

پیش بینی اولیه تشنج و مداخلات به موقع برای بهبود کیفیت زندگی بیماران بسیار مهم است.در حالی که پیش بینی تشنج در پیاده سازی های مبتنی بر نرم افزار نشان داده شده است ، برای فعال کردن هشدارهای به موقع در مورد تشنج های آینده ، برای کاهش تأخیر باید پیش بینی در یک دستگاه لبه انجام شود.در حالت ایده آل ، چنین دستگاه هایی نیز باید کم مصرف باشند و رانش های بلند مدت را ردیابی کنند تا نگهداری از کاربر به حداقل برسد.این اثر روح را نشان می دهد: پیش بینی کننده مبتنی بر شغلی-شیب دار با آموزش یکپارچه و تنظیم دقت درجا.Spirit یک سیستم کامل سیستم بر روی تراشه (SOC) است که یک طبقه بندی پیش بینی تشنج آنلاین بدون نظارت با هشت UW 14.4 ، 0.057 MM2 ، 90.5 DB دامنه پویا ، جبهه های زوم آنالوگ را ادغام می کند.روح ، به طور متوسط ​​، به ترتیب 5/97 ٪/96.2 ٪ حساسیت/ویژگی را به دست می آورد و به طور متوسط ​​8.4 دقیقه قبل از وقوع تشنج را پیش بینی می کند.از طریق الگوریتم یادگیری آنلاین خود ، دقت پیش بینی تا 15 ٪ بهبود می یابد و زمان پیش بینی تا 7 برابر و بدون هیچ گونه مداخله خارجی گسترش می یابد.طبقه بندی کننده آن 17.2 UW مصرف می کند و 0.14 MM2 را اشغال می کند ، کمترین میزان گزارش شده برای طبقه بندی پیش بینی توسط> 134x در قدرت و> 5x در منطقه.روح همچنین حداقل 5.6 برابر انرژی بیشتری نسبت به پیشرفته دارد.

📚 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.