Buchumschlag

DEX: Data Channel Extension for Efficient CNN Inference on Tiny AI Accelerators

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gong, Taesik, Kawsar, Fahim, Min, Chulhong
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Synergy: Towards On-Body AI via Tiny AI Accelerator Collaboration on Wearables
von: Gong, Taesik, et al.
Veröffentlicht: (2023)

Time-bound Contextual Bio-ID Generation for Minimalist Wearables
von: Orzikulova, Adiba, et al.
Veröffentlicht: (2024)

Salted Inference: Enhancing Privacy while Maintaining Efficiency of Split Inference in Mobile Computing
von: Malekzadeh, Mohammad, et al.
Veröffentlicht: (2023)

AdaBet: Gradient-free Layer Selection for Efficient Training of Deep Neural Networks
von: Tenison, Irene, et al.
Veröffentlicht: (2025)

An AI-Native Runtime for Multi-Wearable Environments
von: Min, Chulhong, et al.
Veröffentlicht: (2024)

Enhancing Efficiency in Multidevice Federated Learning through Data Selection
von: Mo, Fan, et al.
Veröffentlicht: (2022)

Accelerating TinyML Inference on Microcontrollers through Approximate Kernels
von: Armeniakos, Giorgos, et al.
Veröffentlicht: (2024)

Enabling Cross-Camera Collaboration for Video Analytics on Distributed Smart Cameras
von: Min, Chulhong, et al.
Veröffentlicht: (2024)

PaPaGei: Open Foundation Models for Optical Physiological Signals
von: Pillai, Arvind, et al.
Veröffentlicht: (2024)

Revealing CNN Architectures via Side-Channel Analysis in Dataflow-based Inference Accelerators
von: Weerasena, Hansika, et al.
Veröffentlicht: (2023)

Evaluating Fairness in Self-supervised and Supervised Models for Sequential Data
von: Yfantidou, Sofia, et al.
Veröffentlicht: (2024)

PRIMUS: Pretraining IMU Encoders with Multimodal Self-Supervision
von: Das, Arnav M., et al.
Veröffentlicht: (2024)

A Hybrid Edge Classifier: Combining TinyML-Optimised CNN with RRAM-CMOS ACAM for Energy-Efficient Inference
von: Woodward, Kieran, et al.
Veröffentlicht: (2025)

AI Should Sense Better, Not Just Scale Bigger: Adaptive Sensing as a Paradigm Shift
von: Baek, Eunsu, et al.
Veröffentlicht: (2025)

(Un)fair devices: Moving beyond AI accuracy in personal sensing
von: Yfantidou, Sofia, et al.
Veröffentlicht: (2023)

Using Self-supervised Learning Can Improve Model Fairness
von: Yfantidou, Sofia, et al.
Veröffentlicht: (2024)

CroSSL: Cross-modal Self-Supervised Learning for Time-series through Latent Masking
von: Deldari, Shohreh, et al.
Veröffentlicht: (2023)

From Volume to Value: Preference-Aligned Memory Construction for On-Device RAG
von: Lee, Changmin, et al.
Veröffentlicht: (2026)

SNAP: Low-Latency Test-Time Adaptation with Sparse Updates
von: Cha, Hyeongheon, et al.
Veröffentlicht: (2025)

CLEF: Clinically-Guided Contrastive Learning for Electrocardiogram Foundation Models
von: Shu, Yuxuan, et al.
Veröffentlicht: (2025)

MicroFlow: An Efficient Rust-Based Inference Engine for TinyML
von: Carnelos, Matteo, et al.
Veröffentlicht: (2024)

Kaizen: Practical Self-supervised Continual Learning with Continual Fine-tuning
von: Tang, Chi Ian, et al.
Veröffentlicht: (2023)

Energy-Efficient Power Control for Multiple-Task Split Inference in UAVs: A Tiny Learning-Based Approach
von: Zhao, Chenxi, et al.
Veröffentlicht: (2023)

AdaNODEs: Test Time Adaptation for Time Series Forecasting Using Neural ODEs
von: Dang, Ting, et al.
Veröffentlicht: (2026)

Contrastive Self-Supervised Learning at the Edge: An Energy Perspective
von: Famá, Fernanda, et al.
Veröffentlicht: (2025)

TinyFormer: Efficient Transformer Design and Deployment on Tiny Devices
von: Yang, Jianlei, et al.
Veröffentlicht: (2023)

Characterizing and Efficiently Accelerating Multimodal Generation Model Inference
von: Lee, Yejin, et al.
Veröffentlicht: (2024)

Balancing Continual Learning and Fine-tuning for Human Activity Recognition
von: Tang, Chi Ian, et al.
Veröffentlicht: (2024)

Once-for-All Channel Mixers (HYPERTINYPW): Generative Compression for TinyML
von: Shaalan, Yassien
Veröffentlicht: (2026)

msf-CNN: Patch-based Multi-Stage Fusion with Convolutional Neural Networks for TinyML
von: Huang, Zhaolan, et al.
Veröffentlicht: (2025)

Data-Rate-Aware High-Speed CNN Inference on FPGAs
von: Habermann, Tobias, et al.
Veröffentlicht: (2026)

Slim Scheduler: A Runtime-Aware RL and Scheduler System for Efficient CNN Inference
von: Harshbarger, Ian, et al.
Veröffentlicht: (2025)

Prototyping an End-to-End Multi-Modal Tiny-CNN for Cardiovascular Sensor Patches
von: Ibrahim, Mustafa Fuad Rifet, et al.
Veröffentlicht: (2025)

LLM-Inference-Bench: Inference Benchmarking of Large Language Models on AI Accelerators
von: Chitty-Venkata, Krishna Teja, et al.
Veröffentlicht: (2024)

Efficient and Verifiable Privacy-Preserving Convolutional Computation for CNN Inference with Untrusted Clouds
von: Lu, Jinyu, et al.
Veröffentlicht: (2025)

TinyGraphEstimator: Adapting Lightweight Language Models for Graph Structure Inference
von: Podstawski, Michal
Veröffentlicht: (2025)

Inference Optimization of Foundation Models on AI Accelerators
von: Park, Youngsuk, et al.
Veröffentlicht: (2024)

AETTA: Label-Free Accuracy Estimation for Test-Time Adaptation
von: Lee, Taeckyung, et al.
Veröffentlicht: (2024)

Continuous-Flow Data-Rate-Aware CNN Inference on FPGA
von: Habermann, Tobias, et al.
Veröffentlicht: (2026)

Fully Autonomous Z-Score-Based TinyML Anomaly Detection on Resource-Constrained MCUs Using Power Side-Channel Data
von: Albaiz, Abdulrahman, et al.
Veröffentlicht: (2026)