Optimisation SRU pour maintenance prédictive sur RISC-V

Nous sommes heureux de vous présenter notre nouvelle contribution à la recherche en systèmes embarqués : « Optimizing SRU Models for Predictive Maintenance on Embedded Systems (RISC-V). »

L’enjeu : Comment déployer efficacement des modèles d’apprentissage automatique pour la maintenance prédictive sur des systèmes embarqués avec des contraintes strictes de puissance et de ressources ?

Ce défi est crucial pour les industries utilisant des systèmes critiques comme l’aéronautique, l’automobile ou l’énergie.

Notre solution : Nous avons optimisé les modèles SRU (Simple Recurrent Unit) pour une exécution sur des processeurs RISC-V, en développant des techniques spécifiques pour réduire l’empreinte mémoire, améliorer les performances en temps réel, et minimiser la consommation énergétique.

Ces travaux montrent comment concilier performances des modèles prédictifs et exigences matérielles sur des plateformes embarquées.

Applications possibles :
– Surveillance d’état pour systèmes industriels
– Maintenance prédictive dans l’IoT
– Optimisation énergétique pour appareils embarqués

Envie d’en savoir plus ?
Vous pouvez consulter l’article complet, ou consulter son résumé en deux pages.