.png){kind=icon}
返回
Lightweight machine learning-enabled supervised learning algorithms for resource-constrained consumer electronics at the edge
.png){kind=icon}
OA
AI
DOI：10.1016/j.array.2026.100878.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 由于资源限制，随着向边缘计算技术的急剧转变，传统机器学习模型的设计变得更加困难，特别是由于物联网和智能设备的增长而带来的消费者电子设备的转变。本文的主要驱动力在于通过考察和引入轻量级机器学习方法以及模型量化、剪枝等优化策略，来弥补这一差距，尤其针对边缘计算环境。• 在这项研究中，我们报告了一项调查，显示了几种轻量级机器学习算法在资源受限环境中的表现如何。• 我们通过异常检测、图像分类和语音识别的案例研究来证明其有效性。• 本文有助于开发人员推进下一代消费者电子产品领域的边缘机器学习，并为边缘设备的算法选择和优化提供有益建议。
Keyword:
Artificial intelligence (AI)
Machine learning (ML)
Internet of things (IoT)
Supervised learning
Edge computing
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
IF:
4.5
论文数:
969
被引数:
1.2K
机构
引用论文
Towards Federated Learning and Multi-Access Edge Computing for Air Quality Monitoring: Literature Review and Assessment.png)
SUSTAINABILITY
OAAI
SUSTAINABILITYIF3.3
OAAI分享收藏IoT Malware Analysis Using Federated Learning: A Comprehensive Survey使用联合学习的IoT恶意软件分析: 综合调查IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Recent endeavors in machine learning-powered intrusion detection systems for the Internet of Things
PREAI
分享收藏Lightweight and smart data fusion approaches for wearable devices of the Internet of Medical Things面向医疗物联网可穿戴设备的轻量级智能数据融合方法INFORMATION FUSION
INFORMATION FUSIONIF15.5
PREAI
分享收藏The Management of IoT-Based Organizational and Industrial Digitalization Using Machine Learning MethodsSUSTAINABILITYOAAI
SUSTAINABILITYIF3.3
OAAI分享收藏Machine Learning and Deep Learning Techniques for Internet of Things Network Anomaly Detection-Current Research Trends物联网网络异常检测的机器学习和深度学习技术-当前研究趋势SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏Insights into Modern Intrusion Detection Strategies for Internet of Things Ecosystems物联网生态系统现代入侵检测策略的见解ElectronicsOAAI
ElectronicsIF0
OAAI分享收藏HoneyTwin: Securing smart cities with machine learning-enabled SDN edge and cloud-based honeypots
PREAI
分享收藏
查看更多内容