.png){kind=icon}
返回
A Computationally Light Semi-Supervised Learning Framework for Constrained Embedded Platforms
.png){kind=icon}
OA
AI
DOI：10.1109/JIOT.2025.3646121.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种计算高效的自监督学习（SSL）框架，专为资源受限的物联网（IoT）健康监测系统中的实时、端侧学习设计。所提出的方法重点关注最小化冗余计算和内存使用，这些直接与嵌入式平台的能耗相关。首先，采用小批量K-means（KMs）聚类作为全批量聚类的替代方案，减少了每次迭代的计算时间和内存占用，尤其适用于低至中等维度的数据集。为进一步提高效率，引入两种无监督收敛检测机制，即β-stop和ζ-stop，在模型稳定时自动终止聚类，避免不必要的重新训练并降低能耗开销。β-stop监控每个学习周期内聚类迭代的稳定化，而ζ-stop将聚类增长速率作为收敛指标进行跟踪。在三个具有代表性的IoT健康监测数据集（智能补水追踪（SHT）、人类活动检测（HAD）和婴儿活动检测（IAD））上的实验评估表明，所提出的策略可将计算时间最多减少45%，CPU内存消耗最多减少30%，且不降低分类精度。结果表明该框架具有良好的可扩展性、能效性和可靠性，适用于嵌入式IoT设备上的实时SSL。
Keyword:
Constrained devices
eHealth and mHealth
energy efficient devices
in situ processing
mobile and ubiquitous systems
semi-supervised learning (SSL)
期刊
IF:
8.9
论文数:
1.4W
被引数:
7.8W
机构
引用论文
Study on Human Activity Recognition Using Semi-Supervised Active Transfer Learning基于半监督主动迁移学习的人体行为识别研究.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏A Mobile Mental Health Monitoring System: A Smart Glove2018 14th International Conference on Signal-Image Technology & Internet-Based Systems (SITIS)
2018 14th International Conference on Signal-Image Technology & Internet-Based Systems (SITIS)IF0
PREAI
分享收藏M. L. Hoang, G. Matrella, and P. Ciampolini, “Artificial intelligence implementation in internet of things embedded system for real-time person presence in bed detection and sleep behaviour monitor,” Electronics, vol. 13, no. 11, p. 2210, 2024.M. L. Hoang, G. Matrella, and P. Ciampolini, “人工智能在物联网嵌入式系统中的实现，用于实时检测床上的人员存在和睡眠行为监测,” 《电子学》, 卷13, 期11, 页2210, 2024.
IF0
PREAI
分享收藏
查看更多内容