Buchumschlag

Pruning-Based TinyML Optimization of Machine Learning Models for Anomaly Detection in Electric Vehicle Charging Infrastructure

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dehrouyeh, Fatemeh, Shaer, Ibrahim, Nikan, Soodeh, Ajaei, Firouz Badrkhani, Shami, Abdallah
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Signal Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On TinyML and Cybersecurity: Electric Vehicle Charging Infrastructure Use Case
von: Dehrouyeh, Fatemeh, et al.
Veröffentlicht: (2024)

Efficient Transformer-based Hyper-parameter Optimization for Resource-constrained IoT Environments
von: Shaer, Ibrahim, et al.
Veröffentlicht: (2024)

TinyDrive: Multiscale Visual Question Answering with Selective Token Routing for Autonomous Driving
von: Hassani, Hossein, et al.
Veröffentlicht: (2025)

Deep Learning-Based Analysis of Power Consumption in Gasoline, Electric, and Hybrid Vehicles
von: Yahyaabadi, Roksana, et al.
Veröffentlicht: (2025)

TinyML-Based Adaptive Pulse Shaping for Edge Intelligence in IoT/IIoT
von: Ali, Afan
Veröffentlicht: (2025)

Methodology for Detecting Energy Anomalies due to Multi-Replay Attacks on Electric Vehicle Charging Infrastructure
von: Mitikiri, Sagar Babu, et al.
Veröffentlicht: (2025)

Energy-Aware Multi-Exit TinyML for Smart Zero-Energy Devices
von: Jahanbazi, Shahab, et al.
Veröffentlicht: (2026)

Network Resource Optimization for ML-Based UAV Condition Monitoring with Vibration Analysis
von: Gemayel, Alexandre, et al.
Veröffentlicht: (2025)

Thwarting Cybersecurity Attacks with Explainable Concept Drift
von: Shaer, Ibrahim, et al.
Veröffentlicht: (2024)

TinyAirNet: TinyML Model Transmission for Energy-efficient Image Retrieval from IoT Devices
von: Shiraishi, Junya, et al.
Veröffentlicht: (2023)

BiomedBench: A benchmark suite of TinyML biomedical applications for low-power wearables
von: Samakovlis, Dimitrios, et al.
Veröffentlicht: (2024)

Regression Based Anomaly Detection in Electric Vehicle State of Charge Fluctuations Through Analysis of EVCI Data
von: Babu, Mitikiri Sagar, et al.
Veröffentlicht: (2024)

Advancing Air Quality Monitoring: TinyML-Based Real-Time Ozone Prediction with Cost-Effective Edge Devices
von: Ken, Huam Ming, et al.
Veröffentlicht: (2025)

CycloWatt: An Affordable, TinyML-enhanced IoT Device Revolutionizing Cycling Power Metrics
von: Luder, Victor, et al.
Veröffentlicht: (2024)

Towards Sustainable Personalized On-Device Human Activity Recognition with TinyML and Cloud-Enabled Auto Deployment
von: Saha, Bidyut, et al.
Veröffentlicht: (2024)

Machine Learning for Pre/Post Flight UAV Rotor Defect Detection Using Vibration Analysis
von: Gemayel, Alexandre, et al.
Veröffentlicht: (2024)

TinyChirp: Bird Song Recognition Using TinyML Models on Low-power Wireless Acoustic Sensors
von: Huang, Zhaolan, et al.
Veröffentlicht: (2024)

On the Intersection of Signal Processing and Machine Learning: A Use Case-Driven Analysis Approach
von: Aburakhia, Sulaiman, et al.
Veröffentlicht: (2024)

Joint Instantaneous Amplitude-Frequency Analysis of Vibration Signals for Vibration-Based Condition Monitoring of Rolling Bearings
von: Aburakhia, Sulaiman, et al.
Veröffentlicht: (2024)

TinyML for Acoustic Anomaly Detection in IoT Sensor Networks
von: Almaini, Amar, et al.
Veröffentlicht: (2026)

TinyML Towards Industry 4.0: Resource-Efficient Process Monitoring of a Milling Machine
von: Langer, Tim, et al.
Veröffentlicht: (2025)

Enhancing Predictive Maintenance in Mining Mobile Machinery through a TinyML-enabled Hierarchical Inference Network
von: de la Fuente, Raúl, et al.
Veröffentlicht: (2024)

Spatiotemporal Prediction of Electric Vehicle Charging Load Based on Large Language Models
von: Fan, Hang, et al.
Veröffentlicht: (2025)

TinyML for Speech Recognition
von: Barovic, Andrew, et al.
Veröffentlicht: (2025)

Online Electric Vehicle Charging Detection Based on Memory-based Transformer using Smart Meter Data
von: Kamoona, Ammar Mansoor, et al.
Veröffentlicht: (2024)

Enhancing Connectivity for Emergency Vehicles Through UAV Trajectory and Resource Allocation Optimization
von: Bozorgi, S. Fatemeh, et al.
Veröffentlicht: (2025)

DTMM: Deploying TinyML Models on Extremely Weak IoT Devices with Pruning
von: Han, Lixiang, et al.
Veröffentlicht: (2024)

Optimizing Split Learning Latency in TinyML-Based IoT Systems
von: Jenhani, Zied, et al.
Veröffentlicht: (2025)

Task-Oriented Communication for Vehicle-to-Infrastructure Cooperative Perception
von: Shao, Jiawei, et al.
Veröffentlicht: (2024)

A Survey of Anomaly Detection in In-Vehicle Networks
von: Özdemir, Övgü, et al.
Veröffentlicht: (2024)

Simulating Battery-Powered TinyML Systems Optimised using Reinforcement Learning in Image-Based Anomaly Detection
von: Ping, Jared M., et al.
Veröffentlicht: (2024)

TinyBird-ML: An ultra-low Power Smart Sensor Node for Bird Vocalization Analysis and Syllable Classification
von: Schulthess, Lukas, et al.
Veröffentlicht: (2024)

TinySV: Speaker Verification in TinyML with On-device Learning
von: Pavan, Massimo, et al.
Veröffentlicht: (2024)

Machine Learning-Based Anomaly Detection of Correlated Sensor Data: An Integrated Principal Component Analysis-Autoencoder Approach
von: Baranwal, Tanish, et al.
Veröffentlicht: (2025)

Combining Multi-Objective Bayesian Optimization with Reinforcement Learning for TinyML
von: Deutel, Mark, et al.
Veröffentlicht: (2023)

TinyML Induced Portable Food Defect Detection for Edge Computing
von: Yanxia Liu
Veröffentlicht: (2025)

Towards Autonomous Cybersecurity: An Intelligent AutoML Framework for Autonomous Intrusion Detection
von: Yang, Li, et al.
Veröffentlicht: (2024)

Intelligent Optimization and Machine Learning Algorithms for Structural Anomaly Detection using Seismic Signals
von: Trapp, Maximilian, et al.
Veröffentlicht: (2024)

Securing Radiation Detection Systems with an Efficient TinyML-Based IDS for Edge Devices
von: Pizarro, Einstein Rivas, et al.
Veröffentlicht: (2025)

TinyML Security: Exploring Vulnerabilities in Resource-Constrained Machine Learning Systems
von: Huckelberry, Jacob, et al.
Veröffentlicht: (2024)