TY -的A2 -杨,嘉成盟——Immonen Riku盟——Hamalainen Timo PY - 2022 DA - 2022/11/10 TI -小机器学习为资源受限的微控制器SP - 7437023六世- 2022 AB -我们每天使用2500亿微控制器在电子设备能够运行的机器学习模型。不幸的是,大部分的这些微控制器是高度限制的计算资源,如内存使用或时钟速度。这些都是完全相同的教学资源,发挥关键作用和运行基本的计算机的机器学习模型。然而,在单片机环境中,限制资源有至关重要的影响。因此,一个新的模式被称为小机器学习必须创建满足约束要求的嵌入式设备。在这次审查中,我们讨论了资源优化微型机器学习的挑战和不同的方法,如量化、修剪,和聚类,可用于克服这些资源的困难。此外,我们总结微型机器学习框架的现状,图书馆,开发环境和工具。微型机器学习设备的基准测试是另一件事是关心;这些约束微控制器的硬件和软件的多样性将基准挑战之前,必须解决可以度量性能可靠的嵌入式设备之间的差异。我们也讨论新兴技术和方法,以促进和扩大的小机器学习过程和提高数据隐私和安全。 In the end, we form a conclusion about tiny machine learning and its future development. SN - 1687-725X UR - https://doi.org/10.1155/2022/7437023 DO - 10.1155/2022/7437023 JF - Journal of Sensors PB - Hindawi KW - ER -