arXiv cs.AI· Guilherme Guedes, Marco Apolinario Lainez, Charlotte Frenkel·· 10 小时前AI 评分31
Hypnos:面向边缘端可扩展持续学习的双阶段端到端平台
Hypnos: A Dual-Phase End-to-End Platform for Scalable Continual Learning at the Edge
AI 导读
Hypnos 是一个开源双阶段边缘持续学习平台,模仿大脑的清醒与睡眠周期:清醒阶段在 RISC-V MCU 系统级芯片上做无梯度原型更新,睡眠阶段由智能充电器执行基于回放的梯度更新以巩固知识。
正文 · AI 翻译
摘要:持续学习(CL)使神经网络能够通过缓解灾难性遗忘来适应非平稳数据流,为构建稳健、私密且可适应的边缘设备提供了一条路径。然而,将 CL 移植到真实边缘设备仍面临两大挑战:(i) 在线运行,即传感器数据一次一个样本到达,设备必须即时适应;(ii) 边缘设备的低占用,使得传统的误差反向传播训练难以实现。受大脑清醒与睡眠周期的启发——前者用于以最少资源实现快速适应,后者用于长期巩固——我们推出 Hypnos,一个用于边缘高效 CL 的开源双阶段平台。在清醒阶段(例如日常运行),Hypnos 依赖一款搭载 RISC-V 微控制器单元(MCU)的低占用片上系统,面向高效推理并支持轻量级无梯度原型更新。在睡眠阶段(例如夜间充电),此时可获取墙插电源和更大的内存预算,智能充电器执行基于排练的梯度更新以进行巩固。Hypnos 部署在 ZCU104 现场可编程门阵列(FPGA)上,并采用 28 纳米工艺综合,在 CORe50 NICv2-391 协议上进行基准测试。它为边缘 CL 系统树立了 78.6%-81.6% 的新最先进准确率,每样本的设备端延迟为 7.79 秒-10.54 秒(取决于激活精度),并且与量化潜在回放相比,所需学习步骤减少 $3.8\times$,学习计算量减少 $22\times$,同时准确率更高、延迟相当。
| 主题: | 硬件架构(cs.AR);人工智能(cs.AI);计算机视觉与模式识别(cs.CV) |
| 引用为: | arXiv:2611.24637 [cs.AR] |
| (或 arXiv:2611.24637v1 [cs.AR] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.24637 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
来自:Guilherme Guedes [查看电子邮件]
[v1]
2026年11月18日星期三 15:46:58 UTC(1,541 KB)
来源:arXiv cs.AI · arxiv.org