柔性基底上的无重力神经网络：一种可穿戴机器学习的新方法

《IEEE Transactions on Very Large Scale Integration (VLSI) Systems》：Weightless Neural Networks on Flexible Substrates: A Novel Approach to Wearable Machine Learning

　　可穿戴设备中无重量神经网络与柔性集成电路的融合设计，通过COIN边缘推断实现低功耗高效能监测，提供自动化设计流程和心律失常检测原型。

　　

摘要：

在本文中，我们提出了一种新颖的方法，通过使用无重量神经网络（WNNs）和柔性集成电路（FlexICs），将机器学习（ML）算法无缝集成到可穿戴技术中。我们的方法采用组合智能网络（COIN）在资源受限的设备上进行边缘推理，突出了WNN在功耗效率和硬件需求方面的优势。我们提出了一种自动化设计流程，用于将COIN实现为FlexICs，旨在开发可扩展、成本效益高且环保的可穿戴监测解决方案。作为概念验证示例，我们使用COIN制造了一个用于检测心律不齐的FlexIC，以满足中等复杂度可穿戴应用的严格要求，为个性化且易于获取的医疗解决方案提供了有前景的方向。