用于边缘设备的分布式神经网络制造技术

本发明专利技术涉及用于边缘设备的分布式神经网络。为了在边缘设备（例如可穿戴设备，比如Apple Watch或FitBit）上高效执行深度卷积神经网络（CNN），可能有必要跨不同实体分割输出任务。对于具有连接到多个中枢的多个传感器的边缘设备，然后可以在中枢驻留于类似睡眠状态时在传感器上执行简单的活动发现。然后，当传感器检测到活动时，可以激活中枢，并且然后可以执行进一步的活动分类。还想到，边缘设备可以包括多个中枢以用于同时处理多个分类任务。

【技术实现步骤摘要】
用于边缘设备的分布式神经网络相关申请的交叉引用本申请要求2018年12月30日提交的美国临时申请序列号62/786,536的权益，其公开内容由此通过引用以其整体并入本文。
下文大体上涉及卷积神经网络（CNN），并且更具体地涉及分布式CNN，其中跨不同传感器或中枢（hub）处理例如活动发现（spotting）和分类的任务。
技术介绍
卷积神经网络（CNN）是一类深层的前馈人工神经网络，最常应用于包括计算机视觉和语音识别的许多不同应用。现有的CNN模型通常在单个实体上执行，例如不一起处理多个不同任务的专用图形处理单元（GPU）或神经网络加速器。
技术实现思路
在一个实施例中，公开了一种用于从第一传感器接收第一数据的系统（例如，传感器系统）和方法。使用第一组卷积层从接收自第一传感器的第一数据中提取第一活动发现特征。从第二传感器接收第二数据。使用第二组卷积层从接收自第二传感器的第二数据中提取第二活动发现特征。使用第三组卷积层和softmax层从第一活动发现特征和第二活动发现特征中提取活动分类。r>还可以使用第一和本文档来自技高网...

【技术保护点】
1.一种用于生成活动分类的方法，包括：/n从第一传感器接收第一数据；/n使用第一组卷积层从第一数据中提取第一活动发现特征；/n从第二传感器接收第二数据；/n使用第二组卷积层从第二数据中提取第二活动发现特征；和/n使用第三组卷积层和softmax层从第一活动发现特征和第二活动发现特征中提取活动分类。/n

【技术特征摘要】
20181230 US 62/786536;20191216 US 16/7151761.一种用于生成活动分类的方法，包括：
从第一传感器接收第一数据；
使用第一组卷积层从第一数据中提取第一活动发现特征；
从第二传感器接收第二数据；
使用第二组卷积层从第二数据中提取第二活动发现特征；和
使用第三组卷积层和softmax层从第一活动发现特征和第二活动发现特征中提取活动分类。


2.根据权利要求1所述的方法，还包括：使用第一组池化层提取所述第一活动发现特征；以及使用第二组池化层提取所述第二活动发现特征。


3.根据权利要求1所述的方法，其中，还包括：使用第二softmax层提取所述第一活动发现特征；以及使用第三softmax层提取所述第二活动发现特征。


4.根据权利要求1所述的方法，还包括：使用第三组池化层提取所述活动分类。


5.根据权利要求1所述的方法，还包括：当所述第一传感器确定已经发生第一感测活动时，提取所述第一活动发现特征；以及当所述第二传感器确定已经发生第二感测活动时，提取所述第二活动发现特征。


6.根据权利要求5所述的方法，其中，所述第一活动发现特征是指示是否已经发生所述第一感测活动的第一二进制分类；并且所述第二活动发现特征是指示是否已经发生所述第二感测活动的第二二进制分类。


7.根据权利要求6所述的方法，还包括：当所述第一活动发现特征指示已经发生所述第一感测活动时，生成第一中断信号；以及当所述第二活动发现特征指示已经发生所述第二感测活动时，生成第二中断信号。


8.根据权利要求7所述的方法，其中，在接收到所述第一中断信号和所述第二中断信号时，第三组卷积层和softmax层从睡眠模式状态被激活。


9.根据权利要求1所述的方法，其中，所述活动分类确定正在执行用户活动。


10.一种用于提取活动分类的方法，包括：
从第一传感器接收第一数据；
从第二传感器接收第二数据；
使用第一组卷积层从所...

【专利技术属性】
技术研发人员：C彼得斯，T罗茨尼克，R迪里亨，
申请(专利权)人：罗伯特·博世有限公司，
类型：发明
国别省市：德国;DE