Search for contacts, projects,
courses and publications

ML-edge - Enabling Machine-Learning-Based Health Monitoring in Edge Sensors via Architectural Customization

People

 

Pozzi L.

(Responsible)

External participants

Atienza David

(Third-party responsible)

Abstract

I WBSN devono far fronte a caratteristiche contrastanti. Da un lato, devono consentire un monitoraggio di lungo periodo, pur disponendo di fonti di energia limitate, richiedendo per cui un alto livello di efficienza. Dall’altro, devono fornire dati sanitari precisi e dettagliati. Il progetto di ricerca ML-edge intende raggiungere questi obiettivi attraverso tre distinti assi di ricerca. Dal punto di vista applicativo, focalizzeremo la nostra ricerca sullo sviluppo di metodologie personalizzate, basate su algoritmi di intelligenza artificiale. Da una prospettiva di co-design hardware / software, i nostri sforzi saranno invece incentrati sulla definizione di architetture digitali dedicate e sullo sviluppo delle necessarie infrastrutture di compilazione. Infine, intendiamo proporre soluzioni per la selezione automatica di nuovi dati al fine di affinare l’accuratezza del modello utilizzato per il monitoraggio. L’approccio perseguito in ML-edge consentirà di aprire nuove prospettive per la realizzazione di apparecchiature per il monitoraggio in ambito medico, in grado di contribuire al benessere dei pazienti e di alleggerire l'onere finanziario verso i sistemi sanitari.

Additional information

Acronym
ML-edge
Start date
01.06.2019
End date
31.05.2023
Duration
48 Months
Funding sources
SNSF
External partners
Beneficiario principale: Laboratoire des systèmes embarqués EPFL
Status
Active
Category
Swiss National Science Foundation / Project Funding / Division II - Mathematics, Natural and Engineering Sciences