25、硬件感知概率电路在嵌入式传感应用中的实证评估

硬件感知概率电路在嵌入式传感应用中的实证评估

1. 引言

在当今的嵌入式传感应用中，硬件感知概率电路（PC）因其卓越的性能和资源效率而备受关注。特别是在资源受限的边缘设备中，这些电路能够实现复杂的推理任务，同时最大限度地降低能源消耗。本文将介绍一种基于硬件感知概率电路的优化方法，并通过实证评估展示其在不同数据集上的性能。特别关注的是人体活动识别（HAR）基准测试，该测试旨在根据从智能手机加速度计和陀螺仪数据中提取的特征来识别正在进行的活动。

2. 实验设置

为了评估所提出的技术，我们在多个标准机器学习基准测试集上进行了实验。这些数据集不仅涵盖了人体活动识别，还包括其他应用场景，如机器人导航和语音活动检测。实验的目标是验证硬件感知概率电路在不同操作点上的性能，特别是如何利用整个系统的硬件可扩展性来实现成本与准确度的帕累托最优权衡。

2.1 数据集选择

我们选择了多个公开可用的数据集进行评估，包括：

数据集	实例数	特征数	类别数	选定特征数
纸币	1372	5	2	5
HAR	10,299	561	6 </