Статья: АНАЛИЗ ЭФФЕКТИВНОСТИ МЕТОДОВ КВАНТОВАНИЯ ДЛЯ ОПТИМИЗАЦИИ МАШИННОГО ОБУЧЕНИЯ НА МИКРОКОНТРОЛЛЕРАХ ДЛЯ РЕСУРСНО-ОГРАНИЧЕННЫХ ВСТРАИВАЕМЫХ СИСТЕМ (2026)

Читать онлайн

Представлены результаты комплексного анализа методов квантования, направленных на оптимизацию моделей машинного обучения для развертывания в условиях ограниченных ресурсов TinyML. Рассмотрены различные схемы квантования, включая равномерное, логарифмическое и обученное квантование и оценено их влияние на производительность разных нейросетевых архитектур, таких как MobileNetV1/V2, ResNet-50, ShuffleNetV2 и Mamba. Результаты экспериментов показывают, что переход от 32-битных чисел с плавающей запятой к 8-битным целочисленным представлениям позволяет уменьшить размер моделей в 4 раза, при этом потеря точности составляет менее 2 %. Гибридные схемы смешанной точности демонстрируют оптимальный баланс между степенью сжатия и сохранением точности. Измерения, проведенные на платформе STM32U5, подтверждают значительное снижение энергопотребления (в 4,3 раза) при использовании 8-битного квантования. Предложены практические рекомендации по выбору оптимальных схем квантования в зависимости от аппаратных ограничений и специфики решаемой задачи. Обозначены перспективные направления дальнейших исследований, в частности, интеграция алгоритмов обучения с подкреплением для динамического выбора битности и разработка методов аппаратно-программной ко-оптимизации для отечественных микроконтроллеров (К1879ВГ1Т)

Ключевые фразы: tinyml, квантование, машинное обучение, микро- контроллеры, нейронные сети, энергоэффективность, сжатие моделей
Автор (ы): Ачкасов Александр Владимирович (Achkasov A. V.), Ягодкин Александр Сергеевич (YAgodkin A. S.), Макаренко Филипп Владимирович (Makarenko F. V.)
Журнал: ВЕСТНИК МОСКОВСКОГО ГОСУДАРСТВЕННОГО ТЕХНИЧЕСКОГО УНИВЕРСИТЕТА ИМ. Н. Э. БАУМАНА. СЕРИЯ ПРИБОРОСТРОЕНИЕ

Предпросмотр статьи

Идентификаторы и классификаторы

SCI
Физика
УДК
004.85. Обучение
Для цитирования:
АЧКАСОВ А. В., ЯГОДКИН А. С., МАКАРЕНКО Ф. В. АНАЛИЗ ЭФФЕКТИВНОСТИ МЕТОДОВ КВАНТОВАНИЯ ДЛЯ ОПТИМИЗАЦИИ МАШИННОГО ОБУЧЕНИЯ НА МИКРОКОНТРОЛЛЕРАХ ДЛЯ РЕСУРСНО-ОГРАНИЧЕННЫХ ВСТРАИВАЕМЫХ СИСТЕМ // ВЕСТНИК МОСКОВСКОГО ГОСУДАРСТВЕННОГО ТЕХНИЧЕСКОГО УНИВЕРСИТЕТА ИМ. Н. Э. БАУМАНА. СЕРИЯ ПРИБОРОСТРОЕНИЕ. 2026. № 1 (154)
Текстовый фрагмент статьи
Будьте первым, кто начнет обсуждение

Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.