设备上神经架构搜索

arXiv:2606.24900v1 发布类型：新 摘要：本文提出了一种新的近传感器计算方法，其中直接在部署设备上执行轻量级神经架构搜索（NAS），以找到最佳的微型神经架构来分析通过传感器获取的实时数据。这种新的适应能力在人机界面的情况下特别有用，在引导数据收集过程之后，每次用户改变时，分析生物特征数据的神经网络都可以重新设计，在新的水平上对抗个体之间的典型数据变化。为了实现所提出的方法，设计了一种新的 NAS，然后使用多个嵌入式系统在意大利手语数据集 (ISL) 上进行验证，ISL 是意大利字母表符号的表面肌电图 (sEMG) 信号的集合。此外，对凯斯西储大学数据集（CWRU）（智能故障诊断基准）的进一步验证提出了该方法的另一种可能的应用。当在 Raspberry Pi 4 上运行时，所提出的 NAS 的性能超越了现有技术水平，提出了一种微型神经架构，在 ISL 数据集的情况下，RAM 占用量减少了 0.63 倍，准确度提高了 5.96 个百分点；对于 CWRU 数据集，RAM 占用量减少了 0.44 倍，准确度提高了 0.2 个百分点。