VIP20
本课程属于：017-TinyML传感器数据建模与时序分类 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

5. TinyML时序CNN模型：一维卷积在传感器分类中的应用

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
TinyML与传感器分类的概述 · 学习目标 · 课程结构
课程导入TinyML
02
传感器数据基础
常见传感器类型（加速度计 · 陀螺仪 · 麦克风等）
传感器数据基础常见传感器类型
03
时间序列分类任务
分类目标 · 数据标注 · 评估指标（准确率
时间序列分类任务分类目标
04
一维卷积神经网络原理
卷积核 · 步长 · 填充
一维卷积神经网络…卷积核
05
CNN与全连接网络对比
为什么CNN适合时序数据 · 参数共享与局部连接的优势
CNN全连接网络对比
06
TinyML约束
内存 · 计算能力 · 功耗限制
TinyML约束
07
开发环境搭建
TensorFlow Lite fo… · Arduino IDE · Edge Impulse等工具链
开发环境搭建TensorFlow
08
数据预处理
滑动窗口 · 归一化 · 去噪
数据预处理滑动窗口
09
数据集准备
公开数据集（如WISDM · UCI HAR）介绍 · 数据划分与标签处理
数据集准备WISDM
10
模型架构设计
一维CNN层 · 池化层 · 全连接层
模型架构设计CNN
11
模型训练基础
损失函数（交叉熵） · 优化器（Adam） · 批量大小与学习率设置
模型训练基础损失函数
12
模型评估与调优
过拟合处理（Dropout · 正则化） · 交叉验证
模型评估调优
13
模型转换与量化
TensorFlow Lite转换 · 动态范围量化 · 全整数量化
模型转换量化
14
部署到微控制器
将TFLite模型集成到Arduin… · 内存与推理速度优化
部署到微控制器TFLite
15
实战案例一
基于加速度计的人体活动识别（站立 · 行走 · 跑步）的完整流程
实战案例一基于加速度计的人…
16
实战案例二
基于麦克风的语音命令识别（如“是/否…
实战案例二基于麦克风的语音…
17
实战案例三
基于陀螺仪的手势识别（如画圈 · 滑动）的模型设计与部署
实战案例三基于陀螺仪的手势…
18
模型推理优化
深度可分离卷积 · 剪枝 · 权值共享等轻量化技术
模型推理优化深度可分离卷积
19
实时数据流处理
在微控制器上实现流式滑动窗口与实时分…
实时数据流处理微控制器上实现流…
20
常见问题与调试
模型不收敛 · 过拟合 · 内存溢出
常见问题调试
21
模型可解释性
可视化卷积核 · 特征图 · 理解模型关注的时间模式
模型可解释性可视化卷积核
22
多传感器融合
多通道输入（加速度+陀螺仪）的CNN… · 特征融合策略
多传感器融合CNN
23
边缘部署进阶
使用CMSIS-NN · 硬件加速器（如NPU）提升推理速度
边缘部署进阶CMSIS-NN
24
模型更新与在线学习
在设备端进行增量学习或模型更新的挑战…
模型更新线学习
25
能耗管理
低功耗设计 · 睡眠模式 · 事件驱动采样与分类
能耗管理低功耗设计
26
安全与隐私
传感器数据隐私保护 · 模型加密与防篡改
安全隐私
27
综合项目
设计一个完整的TinyML传感器分类…
综合项目TinyML
28
课程总结
核心知识点回顾 · 常见误区 · 学习资源推荐
课程总结核心知识点回顾
29
进阶方向
Transformer在时序分类中的… · 神经架构搜索（NAS）在TinyML…
进阶方向Transformer
30
结课考核
设计一个自定义传感器分类任务 · 完成模型训练 · 转换
结课考核设计一个自定义传…