El desarrollo de Internet y la tecnología de comunicación ha dado paso a una nueva era del Internet de las Cosas (IoT). Además, con el rápido avance de la inteligencia artificial, los objetos están dotados de inteligencia, como la automatización del hogar y la atención médica inteligente, que son aplicaciones típicas de la tecnología de inteligencia artificial en IoT. Con el auge de las redes neuronales convolucionales (CNN) en el campo de la visión por computadora, cada vez más aplicaciones prácticas necesitan desplegar CNN en dispositivos móviles. Sin embargo, debido a la gran cantidad de operaciones de cómputo de CNN y al gran número de parámetros, es difícil desplegarlo en dispositivos de borde ordinarios. El método de compresión del modelo de redes neuronales se ha convertido en una tecnología popular para reducir el costo computacional y ha atraído cada vez más atención. Diseñamos específicamente una red pequeña de detección de objetivos para plataformas de hardware con recursos computacionales limitados, utilizamos métodos de poda y cuantificación para comprimir, y
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
UserRBPM: Predicción del Comportamiento de Retweet del Usuario con Aprendizaje de Representación de Grafos
Artículo:
Aprendizaje de la distribución de etiquetas de edad basado en comparaciones no supervisadas de caras.
Artículo:
Búsqueda Dimensionada Dinámicamente Incorporando Aprendizaje Basado en Oposición por Tramos para Optimización Global
Video:
Programación Lineal Entera Mixta: Modelado Matemático de Ejercicio de Aplicación
Artículo:
Un Modelo de Aprendizaje Profundo Basado en SMOTE Eficiente para la Predicción de Ataques Cardíacos