Аннотации:
В роботі обґрунтовується застосування ML алгоритмів у вбудованих
пристроях керування з обмеженими ресурсами (мікроконтролери, сенсорні
вузли) без залежності від хмари. Метою є довести ефективність оптимізованих
ML-алгоритмів у реальних сценаріях кіберфізичних систем (КФС).
Здійснено аналіз алгоритмів (дерева рішень, квантовані нейронні мережі)
та методів оптимізації (8-бітове квантування, прунінг). Розроблено архітектуру
інтеграції ML-алгоритмів у пристрої управління КФС. В якості практичного
застосування запропонованих рішень здійснено прогнозування зносу
підшипників на промисловому ПЛК, класифікацію пошкоджень конструкцій у
сенсорній мережі, ідентифікацію перешкод для агротехніки в полі. Отримані
після оптимізації результати підтверджують зменшення вимог до пам’яті/енергії
до 5 разів, досягнення часу інференсу, прийнятного для систем реального часу,
підвищення автономності КФС та зниження обсягів переданих даних.
Запропонований підхід може бути застосований при створенні
енергоефективних інтелектуальних КФС нового покоління.
