5、硬件感知概率电路：在资源受限的边缘设备中实现高效分类

硬件感知概率电路：在资源受限的边缘设备中实现高效分类

1 硬件感知概率电路的简介

近年来，随着物联网（IoT）和边缘计算的迅速发展，越来越多的智能设备需要在资源受限的环境中执行复杂的机器学习任务。这些设备通常由电池供电，计算和存储资源有限，因此需要特别关注如何在保持任务性能的前提下，最大限度地减少能源消耗。概率模型，尤其是概率电路（PC），因其在处理不确定性和缺失数据方面的鲁棒性，成为实现这一目标的理想选择。本篇文章将详细介绍如何将硬件感知引入概率电路，以实现资源高效的机器学习任务。

2 概率命题决策图（PSDDs）

概率命题决策图（PSDDs）是一种概率电路（PC），可以表示一组随机变量上的联合分布，并且其结构可以通过生成式的方式完全从数据中学习。PSDDs具有以下属性：

• 内部节点 ：交替出现与门（相当于乘积节点）和或门（相当于求和节点），根节点必须是或门。
• 叶节点 ：编码了一个变量的分布。
• 决策节点 ：由与门和或门组合而成，其中与门的左输入为主，右输入为次。

PSDDs受到三个结构约束：可分解性、平滑性和确定性。这些约束使得PSDDs能够在多项式时间内回答许多复杂查询，这在贝叶斯网络中并不总是保证的。

3 硬件感知系统级成本

为了实现硬件感知的概率电路，我们需要定义一种系统级成本度量，该度量综合考虑了嵌入式感知/推理管道不同阶段的能量消耗贡献。具体来说，硬件感知成本（CHA）由以下部分组成：