タグ付けされた質問 「machine-learning」

私は最近、制約のある環境でのニューラルネットワーク（特に、安価な8ビットマイクロコントローラーでのニューラルネットワークの実装）とIoTデバイスへのそれらのアプリケーション（センサー入力に基づいて物事を予測するための回帰など）について読みました。 これは、処理がタイムクリティカルではなく、処理するデータが比較的少ない、単純なアプリケーションに理想的です。ただし、さらなる研究によると、リソースに制約のある環境でニューラルネットワークをトレーニングすることはお勧めできません（マイクロコントローラーでニューラルネットワークを実行することは可能ですか？への回答を参照してください）。 これは、私がリンクしたコットン、ウィラモウスキー、デュンダルのアプローチにも適用されますか？IoTネットワークのより強力なデバイスで、リソース使用量が少ないように設計されたネットワークをトレーニングする必要がありますか？ コンテキストとして、熱設定を送信するセンサーがある場合、論文に記載されているニューラルネットワークを検討し、それに基づいて希望のボイラー設定を予測します。時間帯など。トレーニングは、ニューラルネットワークの変更に役立ちます。ユーザーが提供するより多くのデータに基づいて出力します。このQuoraの質問は、同様のシナリオをよく説明し、ニューラルネットワークの実装の詳細について説明しますが、私の質問は、アクチュエーター自体でネットワークを実行することが機能するかどうかに重点を置いています。

11 smart-home  microcontrollers  machine-learning 

この記事はImage WareのCEOを引用しており、 [ソリューション]は、マルチモーダルバイオメトリクスであり、悪意のある人物がコンピュータシステムにアクセスすることを事実上不可能にしていると主張しています。 彼の会社は既存のハードウェアとプラットフォームを使用して、物理的特徴認識アルゴリズム（指、手のひら、手とプリント、顔、目、虹彩）を、今日のモバイルデバイスにある一般的な生体認証データセンサーを使用する他のアルゴリズムと接続しています。 私の直感は彼が何とかこれを誇張しているということですが、これが真実ではない理由を指で言えません。マルチセンサーのアプローチが本当に効果的だったとしたら、今ではそのような戦略のハードウェアとソフトウェアがどこにでも見られるように思えます。 多様なセンサーのIoTネットワークは、効率的で効果的なセキュリティ戦略になるでしょうか？（マルチセンサーアプローチは効果的ですか？） 落とし穴は何ですか？

9 security  sensors  machine-learning  biometrics