.png){kind=icon}
返回
Datasheets for machine learning sensors
.png){kind=icon}
OA
AI
DOI：10.1002/aaai.70050.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
机器学习（ML）正日益普及于嵌入式AI传感系统。这些ML传感器实现了跨多种应用（从工业环境中的异常检测到用于保护工作的野生动物追踪）的上下文感知、实时数据采集与决策。因此，有必要通过全面文档提供此类ML赋能传感系统的操作透明度，以实现其可复现性，满足监管和行业特定政策所规定的合规性与审计要求，并验证其操作的责任性。为弥补这一差距，我们介绍了ML传感器数据表框架。我们提供了一个在学术界-产业界合作中共同开发的全面模板，该模板涵盖了ML传感器的独特属性，包括硬件规格、ML模型与数据集特征、端到端性能指标以及环境影响。我们的框架考虑了传感器数据的连续流特性、实时处理需求，并嵌入了反映真实部署条件的基准测试方法，确保其可行性。与FAIR原则（可发现性、可访问性、互操作性、可重用性）一致，我们的方法提升了ML传感器文档在学术、工业和监管领域的透明度与可重用性。为展示本方法的应用，我们呈现了两个数据表：第一个为内部设计的开源ML传感器的数据表，第二个为产业界合作者开发的商业ML传感器的数据表，两者均执行基于计算机视觉的人员检测。
Keyword:
LABEL
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
A
IF:
3.2
论文数:
39
被引数:
3.2K
机构
引用论文
An Intelligent Microprocessor Integrating TinyML in Smart Hotels for Rapid Accident PreventionZacharia, A.; Tsiropoulou, E.E.; Papadopoulos, G.; Mavromoustakis, C.X.; Batalla, J.M.; Mastorakis, G. 一种集成TinyML的智能微处理器，用于智能酒店中的快速事故预防。载于2022年第7届东南欧设计自动化、计算机工程、计算机网络和社会媒体会议（SEEDA-CECNSM）会议录，希腊伊奥亚尼纳，2022年9月23日至25日；第1-7页。[Google Scholar] [CrossRef]
PREAI
分享收藏Addressing the regulatory gap: moving towards an EU AI audit ecosystem beyond the AI act by including civil society解决监管空白：通过纳入公民社会，迈向超越《AI法案》的欧盟AI审计生态系统.png)
IF0
PREAI
分享收藏Advancements in Machine Learning in Sensor Systems: Insights from Sensys-ML and TinyML Communities
PREAI
分享收藏
分享收藏
查看更多内容