Un enfoque de TinyML para la detección en tiempo real de ronquidos en dispositivos ponibles con recursos limitados
Autores: Malche, Timothy; Tharewal, Sumegh; Maheshwary, Priti
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Un enfoque de TinyML para la detección en tiempo real de ronquidos en dispositivos ponibles con recursos limitados
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería General
Palabras clave
Sistema de monitoreo de salud
Detección de ronquidos
Aprendizaje Automático Pequeño
Dispositivos de IoT
Monitoreo en tiempo real
Patrones de audio
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 28
Citaciones: Sin citaciones
Este estudio propone un sistema de monitoreo de salud para la detección de ronquidos utilizando modelos de Aprendizaje Mínimo en Dispositivos Pequeños (TinyML), diseñados específicamente para dispositivos portátiles de Internet de las cosas (IoT) con recursos limitados.
Descripción
Este estudio propone un sistema de monitoreo de salud para la detección de ronquidos utilizando modelos de Aprendizaje Mínimo en Dispositivos Pequeños (TinyML), diseñados específicamente para dispositivos portátiles de Internet de las cosas (IoT) con recursos limitados.