tiny-ml

提出了一种面向边缘嵌入式AI代理系统的模块化参考架构，将设备端代理与云端增强代理解耦，并引入治理层以确保安全性和策略执行。

本文提出双值对称循环矩阵（TVSCM），一种极度稀疏的架构，每层仅使用两个权重，即可在MNIST和MIT-BIH心律失常数据集上实现超过80倍的参数压缩，同时保持可比的精度，使其成为边缘和微型机器学习平台的理想选择。

这篇文章宣布了一份工作草稿书籍《Category Theory for Tiny ML in Rust》以及一个公开工作坊，介绍一个使用Rust和范畴论的微型机器学习流水线，旨在通过类型化转换使机器学习结构变得明确。