資源受限的機(jī)械振動(dòng)WSN層次分解CNN邊緣計(jì)算方法

摘要： 用于機(jī)械振動(dòng)監(jiān)測的無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的微控制器需要進(jìn)行復(fù)雜的邊緣計(jì)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(yùn)行在MCU上可增強(qiáng)邊緣WSN節(jié)點(diǎn)的計(jì)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(yùn)行不輕量化CNN的問題，實(shí)現(xiàn)了機(jī)械振動(dòng)WSN節(jié)點(diǎn)的計(jì)算能力增強(qiáng)。首先通過設(shè)計(jì)文件結(jié)構(gòu)用于分解并存儲(chǔ)CNN模型參數(shù)，...