資源受限的機械振動WSN層次分解CNN邊緣計算方法

摘要： 用于機械振動監(jiān)測的無線傳感器網(wǎng)絡(luò)節(jié)點的微控制器需要進(jìn)行復(fù)雜的邊緣計算，然而硬件資源受到限制。卷積神經(jīng)網(wǎng)絡(luò)作為一種性能優(yōu)越的深度學(xué)習(xí)算法，若將其運行在MCU上可增強邊緣WSN節(jié)點的計算能力。本文提出了一種不修改CNN模型的層次分解方法，解決了難以在資源受限的MCU上運行不輕量化CNN的問題，實現(xiàn)了機械振動WSN節(jié)點的計算能力增強。首先通過設(shè)計文件結(jié)構(gòu)用于分解并存儲CNN模型參數(shù)，... （共12頁）