机构名称：
¥ 1.0
近年来，人工智能 (AI) 和机器学习 (ML) 引起了业界和学术界的极大兴趣。值得注意的是，传统的 ML 技术需要大量功率才能达到所需的精度，这限制了它们主要在网络节点等高性能设备上的使用。然而，随着物联网 (IoT) 和边缘计算等技术的进步，将 ML 技术融入资源受限的嵌入式设备以实现分布式和无处不在的智能是可取的。这促使了 TinyML 范式的出现，这是一种嵌入式 ML 技术，可在多种廉价、资源和功率受限的设备上实现 ML 应用。然而，在向适当实施 TinyML 技术的过渡过程中，处理能力优化、可靠性提高和学习模型准确性维护等多项挑战需要及时解决。本文回顾了可用于实施 TinyML 的各种途径。首先，介绍 TinyML 的背景，然后详细讨论支持 TinyML 的各种工具。然后，详细介绍了使用先进技术的 TinyML 的最新应用。最后，确定了各种研究挑战和未来方向。
小机器学习
主要关键词
相关文件推荐
