AI嵌入式系统：算法优化与实现

封面

版权信息

作者简介

前言

第1章 绪论

1.1 AI嵌入式系统的概念与特点

1.2 机器学习在嵌入式系统中的实现

1.3 本书内容概述

第2章 嵌入式软件编程模式和优化

2.1 嵌入式软件编程模式

2.2 通用软件优化方法

2.3 小结

参考文献

第3章 机器学习算法概述

3.1 高斯朴素贝叶斯分类器

3.2 感知器

3.3 SVM分类器

3.4 决策树

3.5 线性数据降维

3.6 神经网络

3.7 小结

参考文献

第4章 数值的表示和运算

4.1 浮点数

4.2 定点数

4.3 仿射映射量化

4.4 常数整数乘法优化

4.5 小结

参考文献

第5章 卷积运算优化

5.1 卷积运算的定义

5.2 快速卷积算法

5.3 近似卷积算法

5.4 小结

参考文献

第6章 矩阵乘法优化

6.1 机器学习算法中的矩阵乘法

6.2 Strassen矩阵相乘算法

6.3 Winograd矩阵相乘算法

6.4 低秩矩阵乘法

6.5 循环矩阵乘法

6.6 近似矩阵乘法

6.7 小结

参考文献

第7章 神经网络的实现与优化

7.1 神经网络基本运算及软件实现

7.2 神经网络的权重系数优化

7.3 神经网络结构优化

7.4 小结

参考文献

第8章 ARM平台上的机器学习编程

8.1 CMSIS软件框架概述

8.2 CMSIS-DSP软件框架和编程

8.3 基于CMSIS-NN的神经网络编程

8.4 ARM Compute Library软件框架和编程

8.5 ARM NN软件框架和编程

8.6 ARM的SIMD指令编程

8.7 小结

附录A 补充数据和列表