Uma Ferramenta de Suporte ao Uso de Classificadores em Sistemas Embarcados

Abstract

Computer systems are employed to solve existing problems in different contexts in society, such as health, industry, safety, transportation, and others. Many of these solutions are composed of sensors, embedded systems, and wireless communication. Moreover, researchers and practitioners have used machine learning models in embedded systems to perform complex tasks that can not be directly solved by traditional algorithms. In this work, we propose a software tool that converts classification models, trained with WEKA, to produce suitable classifiers to run in low-cost embedded systems with the option to use fixed-point representation. From an experimental evaluation with different embedded platforms, datasets and classifiers, we show consistent results of accuracy and a reduction of up to 92.9% in the classification time when using fixed-point representation. Resumo: Sistemas computacionais são empregados para solucionar problemas existentes em diferentes contextos na sociedade, como saúde, indústria, segurança, transporte, entre outros. Muitas dessas soluções são compostas por sensores, sistemas embarcados e comunicação sem fio. Além disso, academia e indústria têm considerado a utilização de modelos de Aprendizado de Máquina em sistemas embarcados para realizar tarefas complexas que não podem ser diretamente solucionadas por algoritmos tradicionais. Neste trabalho,é proposta uma ferramenta de software que converte modelos de classificação, treinados com a ferramenta WEKA, para produzir classificadores que executarão em sistemas embarcados de baixo custo, com a opção de utilizar representação de ponto-fixo. A partir de uma avaliação experimental com diferentes plataformas embarcadas, conjuntos de dados e classificadores, são demonstrados resultados consistentes de acurácia e redução de até 92, 9% no tempo de classificação ao utilizar representação de ponto-fixo.