Лёгкий Neural Architecture Search предлагают выполнять прямо на устройстве с датчиками
Исследователи предложили подход к near-sensor computing, при котором облегчённый Neural Architecture Search (NAS) выполняется прямо на устройстве развёртывания. Алгоритм подбирает компактную нейронную архитектуру, оптимальную для анализа данных от датчиков в реальном времени. За счёт этого модель можно подстроить под конкретные условия работы устройства.
Один из возможных сценариев применения, по словам авторов, связан с системами human-machine interfaces. В таких системах нейросеть, анализирующую биометрические данные, можно заново проектировать при смене пользователя после процедуры управляемого сбора данных. Такой подход помогает лучше учитывать различия в данных между людьми, пишет arXiv cs.AI (Artificial Intelligence).
Для реализации метода исследователи разработали новый NAS. Его протестировали на датасете Italian Sign Language (ISL), который содержит сигналы surface electromyography (sEMG) с жестами итальянского алфавита, используя несколько embedded systems. Дополнительную проверку провели на датасете Case Western Reserve University (CWRU), применяемом как benchmark для intelligent fault diagnosis. При запуске на Raspberry Pi 4 предложенный NAS показывает результаты выше state of the art.
Ключевые факты
В работе предложен подход near-sensor computing, при котором облегчённый Neural Architecture Search выполняется прямо на устройстве развёртывания для подбора компактной нейросети, анализирующей данные сенсоров в реальном времени.
Метод валидирован на датасете Italian Sign Language (ISL), наборе сигналов surface electromyography (sEMG) для жестов алфавита итальянского жестового языка.
Дополнительная проверка проведена на датасете Case Western Reserve University (CWRU), используемом как бенчмарк для задач интеллектуальной диагностики неисправностей.
При запуске на Raspberry Pi 4 предложенный NAS демонстрирует результат выше state of the art для подбора компактной нейросети.