智能AI
morning
量化设备上能源预测中的净能源损失的准确性-效率悖论
摘要
arXiv:2608.26134v1 Announce Type: new Abstract: Energy forecasting aims to maximize accuracy to ensure energy efficiency by reducing energy waste, an objective that applies equally to on-device foreca...
energy
forecasting
the
edge
that
for
environments
high
precision
net
2026-08-28
1 阅读
约1分钟阅读
Jaeik Jeong, Tai-Yeon Ku, Wan-Ki Park
字号:
arXiv:2608.26134v1 发布类型：新 摘要：能源预测旨在通过减少能源浪费来最大限度地提高准确性，以确保能源效率，这一目标同样适用于关键任务边缘环境（包括军事系统）的设备上预测。然而，本文指出了准确性-效率悖论：高精度能源预测模型可能会讽刺地引发净能源赤字。这源于边缘人工智能的推理能耗和电池老化。我们提出了一个用于能源预测的总拥有成本 (TCO) 框架，旨在最大限度地减少净能源损失。该框架不仅将推理能耗视为能量损失的统一形式，而且将电池老化视为能量损失的统一形式，因为退化代表了系统未来能量承载能力的物理耗散。我们证明，在热敏感边缘环境中，复杂架构的卓越精度所节省的能源往往会被其高操作强度所损失的总能源所抵消。
这篇文章对您有帮助吗？
订阅66必读
每日精选科技资讯，直达你的邮箱