【博士论文】面向边缘智能的高效微型机器学习系统

来源：专知本文为论文介绍，建议阅读5分钟一种新趋势是利用设备上的学习范式，使端到端的ML过程更靠近边缘设备。现代机器学习（ML）应用经常部署在云环境中，以利用集群的计算能力。然而，传统的云计算方案无法满足新兴边缘智能场景的需求，包括提供个性化模型、保护用户隐私、适应实时任务和节省资源成本。为了克服传统云计算的局限，一种新趋势是利用设备上的学习范式，使端到端的ML过程更靠近边缘设备。因此，设备上学习的有望优势促进了微型机器学习（TinyML）系统的兴起，一个专注于在资源受限的边缘设备上，如微控制器、物联网（IoT）传感器和嵌入式设备，开发ML算法和模型的领域。“微型”这一术语强调了这些设备上有限的处理能力、内存容量和能源资源。正如§1.1中讨论的研究背景，TinyML已成为一个重要的研究主题，由 ………………………………