Buchumschlag

Optimising TinyML with Quantization and Distillation of Transformer and Mamba Models for Indoor Localisation on Edge Devices

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Suwannaphong, Thanaphon, Jovan, Ferdian, Craddock, Ian, McConville, Ryan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Transfer Learning of RSSI to Improve Indoor Localisation Performance
von: Suwannaphong, Thanaphon, et al.
Veröffentlicht: (2024)

Consolidating TinyML Lifecycle with Large Language Models: Reality, Illusion, or Opportunity?
von: Wu, Guanghan, et al.
Veröffentlicht: (2025)

Real-Time Performance Benchmarking of TinyML Models in Embedded Systems (PICO: Performance of Inference, CPU, and Operations)
von: Dey, Abhishek, et al.
Veröffentlicht: (2025)

Pico-Cloud: Cloud Infrastructure for Tiny Edge Devices
von: Guri, Mordechai
Veröffentlicht: (2025)

Revisiting Sentiment Analysis for Software Engineering in the Era of Large Language Models
von: Zhang, Ting, et al.
Veröffentlicht: (2023)

CUPID: Leveraging ChatGPT for More Accurate Duplicate Bug Report Detection
von: Zhang, Ting, et al.
Veröffentlicht: (2023)

Unsupervised Optimisation of GNNs for Node Clustering
von: Leeney, William, et al.
Veröffentlicht: (2024)

EdgeMLBalancer: A Self-Adaptive Approach for Dynamic Model Switching on Resource-Constrained Edge Devices
von: Matathammal, Akhila, et al.
Veröffentlicht: (2025)

Fault Localisation and Repair for DL Systems: An Empirical Study with LLMs
von: Kim, Jinhan, et al.
Veröffentlicht: (2025)

COSMosFL: Ensemble of Small Language Models for Fault Localisation
von: Cho, Hyunjoon, et al.
Veröffentlicht: (2025)

Gotta catch 'em all! Towards File Localisation from Issues at Large
von: Maarleveld, Jesse, et al.
Veröffentlicht: (2025)

Identifying Bug Inducing Commits by Combining Fault Localisation and Code Change Histories
von: An, Gabin, et al.
Veröffentlicht: (2025)

Representation Learning for Stack Overflow Posts: How Far are We?
von: He, Junda, et al.
Veröffentlicht: (2023)

Duplicate Bug Report Detection: How Far Are We?
von: Zhang, Ting, et al.
Veröffentlicht: (2022)

Proto-ML: An IDE for ML Solution Prototyping
von: Coban, Selin, et al.
Veröffentlicht: (2026)

Uncertainty Modeling for SysML v2
von: Zhang, Man, et al.
Veröffentlicht: (2026)

Bamboo: LLM-Driven Discovery of API-Permission Mappings in the Android Framework
von: Hu, Han, et al.
Veröffentlicht: (2025)

Supporting Cross-language Cross-project Bug Localization Using Pre-trained Language Models
von: Chandramohan, Mahinthan, et al.
Veröffentlicht: (2024)

An Infrastructure Cost Optimised Algorithm for Partitioning of Microservices
von: Pendyala, Kalyani V N S, et al.
Veröffentlicht: (2024)

SmartML: Towards a Modeling Language for Smart Contracts
von: Veschetti, Adele, et al.
Veröffentlicht: (2024)

What do AI/ML practitioners think about AI/ML bias?
von: Pant, Aastha, et al.
Veröffentlicht: (2024)

Performance Smells in ML and Non-ML Python Projects: A Comparative Study
von: Belias, François, et al.
Veröffentlicht: (2025)

ML-Enabled Systems Model Deployment and Monitoring: Status Quo and Problems
von: Zimelewicz, Eduardo, et al.
Veröffentlicht: (2024)

Extending SOUP to ML Models When DesigningCertified Medical Systems
von: Stirbu, Vlad, et al.
Veröffentlicht: (2021)

Self-Admitted Technical Debt in LLM Software: An Empirical Comparison with ML and Non-ML Software
von: Selvanayagam, Niruthiha, et al.
Veröffentlicht: (2026)

Impact of ML Optimization Tactics on Greener Pre-Trained ML Models
von: Álvarez, Alexandra González, et al.
Veröffentlicht: (2024)

DistillSeq: A Framework for Safety Alignment Testing in Large Language Models using Knowledge Distillation
von: Yang, Mingke, et al.
Veröffentlicht: (2024)

The Product Beyond the Model -- An Empirical Study of Repositories of Open-Source ML Products
von: Nahar, Nadia, et al.
Veröffentlicht: (2023)

From Benchmark Data To Applicable Program Repair: An Experience Report
von: Chandramohan, Mahinthan, et al.
Veröffentlicht: (2025)

A Framework for Devising, Evaluating and Fine-tuning Indoor Tracking Algorithms
von: Diallo, Alpha, et al.
Veröffentlicht: (2025)

An Exploratory Study of V-Model in Building ML-Enabled Software: A Systems Engineering Perspective
von: Wu, Jie JW
Veröffentlicht: (2023)

Is Quantization a Deal-breaker? Empirical Insights from Large Code Models
von: Afrin, Saima, et al.
Veröffentlicht: (2025)

Evaluating the Impact of Post-Training Quantization on Large Language Models for Code Generation
von: Giagnorio, Alessandro, et al.
Veröffentlicht: (2025)

GAISSALabel: A tool for energy labeling of ML models
von: Duran, Pau, et al.
Veröffentlicht: (2024)

Translating a VDM Model of a Medical Device into Kapture
von: Hare, Joe, et al.
Veröffentlicht: (2025)

Model-less Is the Best Model: Generating Pure Code Implementations to Replace On-Device DL Models
von: Zhou, Mingyi, et al.
Veröffentlicht: (2024)

Expert-Driven Monitoring of Operational ML Models
von: Leest, Joran, et al.
Veröffentlicht: (2024)

A quantitative framework for evaluating architectural patterns in ML systems
von: Emanuilov, Simeon, et al.
Veröffentlicht: (2025)

Runtime-Augmented LLMs for Crash Detection and Diagnosis in ML Notebooks
von: Wang, Yiran, et al.
Veröffentlicht: (2026)

SWITCH: An Exemplar for Evaluating Self-Adaptive ML-Enabled Systems
von: Marda, Arya, et al.
Veröffentlicht: (2024)