本研究提出了一种基于TinyML的EMG手势识别方法，旨在解决现有实时分类系统在准确性、延迟和功耗方面的挑战。研究通过使用EMG模块从10名健康个体中捕获六种手部动作的包络EMG信号，并采用窗口技术进行数据分段和特征提取。人工神经网络用于分类，模型在测试集上达到了98.35%的准确率。将模型转换为TensorFlow Lite后，部署在Raspberry Pi Pico上，实时测试显示准确率在95

作为 TEACH ME 系统智能对话能力的核心，该模块基于 GPT 架构的 LLM，经过在包含与家庭和物联网设备命令相关的通用语言以及特定领域语言的数据集上进行微调。：作为 TEACH ME 系统智能对话能力的核心，该模块基于 GPT 架构的 LLM，经过在包含与家庭和物联网设备命令相关的通用语言以及特定领域语言的数据集上进行微调。TEACH ME 的编程模型集成了人工智能（AI）、自然语言处理（

高度优化：充分利用 ARM 的 NEON SIMD（单指令多数据）指令集，对各种数学运算进行了深度优化，能显著提高计算密集型应用的执行速度，尤其在处理向量和矩阵运算时表现出色。丰富的功能：提供了广泛的数学函数，涵盖了向量运算、矩阵运算、快速傅里叶变换（FFT）、数字滤波等多个领域，基本可以满足大多数科学计算、信号处理和机器学习等应用对数学运算的需求。易于使用：具有简洁明了的 API，方便开发者调用

随着消费物联网（CIoT）的普及，音乐流量传输作为其关键应用之一，面临着数据泄露和隐私侵犯等安全挑战。本文提出了一种基于深度学习的安全音乐流量传输方法。该方法通过双向长短期记忆时空特征融合结构模块（BTSF）实现音乐流量的安全检测，并引入注意力机制构建音乐流量特征增强模块，以解决流量丢失问题。此外，该方法结合了双向长短期记忆（Bi-LSTM）和卷积神经网络（CNN）的级联网络融合，提高了音乐流量的

然而，模型在不同环境下的适用性需要进一步验证，建议针对特定生态系统重新训练模型，以提高其适应性和准确性。实验中使用了Arduino MKR NB 1500作为处理单元，连接上述传感器，总成本约为300欧元，远低于传统硝酸盐水质探头的成本。：评估了六种不同的神经网络架构，最终选择了表现最佳的模型（模型4），其平均绝对误差（MAE）为1.55 mg/L，均方误差（MSE）为5.60 mg/L。测试结果

本文对2020-2024年Web of Science收录的392篇TinyML文献进行计量分析，揭示该领域呈现年均59%的指数增长，涉及电气电子工程、计算机科学等多学科交叉。研究发现TinyML研究以物联网、边缘计算为核心，60个国家参与其中，形成国际化研究网络。未来趋势包括边云协同、可持续设计、人本交互等九大方向，需在技术融合、伦理规范等方面持续突破，以释放其在智慧城市、医疗健康等领域的应用潜

cass 是目前唯一一个能够统一搜索多种 AI 编程助手聊天记录的开源工具。消除信息孤岛— 跨 19 种工具搜索，不再遗漏任何对话毫秒级响应— 基于 Tantivy 的高性能搜索隐私安全— 全部本地运行，数据不出本机灵活集成— CLI + TUI + Robot 模式，满足不同使用场景如果你同时使用多种 AI 编程工具，cass 绝对值得一试。安装文档: https://github.com/Di

我介绍了最新阅读的一篇TinyML的论文。我有个习惯就是使用Google Schloar跟踪当前最新的论文，只要在Google Schloar中设置好关键字，它每天就把最新的相关论文的链接和摘要发送到邮箱里面。不过现在论文太多了，每篇都认真读取是不现实的，我通常会使用Kimi或者通义千问帮忙总结一下论文，然后再决定是否仔细阅读这篇论文。清华大学的马少平在微博上提到他曾经问姚（期智）先生怎么看论文：

OpenHarmony开发目前主要依赖华为提供的DevEco Studio，而目前在我测试中对OpenHarmony支持最好的是豆包的编程插件Marscode。Marscode虽然是豆包团队打造的，但是在对鸿蒙的支持方面强很多，如果你让豆包网页版生成ArkTs程序，它甚至认为ArkTs是拼写错误，而Marscode就可以完美支持ArkTs。今天分享一下如何在DevEco Studio中使用Mars

本文基于GD32VW553H开发板和RT-Thread实现了一个联网红外遥控天气时钟。项目通过板载WiFi获取公网天气数据，使用NTP同步时间，在ILI9341 SPI屏幕上显示城市、时间、天气等信息，并支持红外遥控切换城市和显示控制。系统采用轻量级设计，优化了局部刷新策略减少闪烁，通过线程模型处理网络、显示和红外输入任务。该项目验证了GD32VW553H在联网终端应用中的可行性，覆盖了WiFi、