स्वतंत्र शोधकर्ता मोहमद मेनासी ने GlucoEdge प्रकाशित किया है, जो निरंतर ग्लूकोज मॉनिटर डेटा से पांच-श्रेणी, 15-मिनट के ग्लूकोज ट्रेंड फोरकास्टिंग के लिए एक एंड-टू-एंड ऑन-डिवाइस मशीन लर्निंग पाइपलाइन का विवरण देने वाला इंजीनियरिंग अध्ययन है। इस कार्य में केवल 2,909 पैरामीटर वाले एक कॉम्पैक्ट 1D CNN को पेश किया गया है और PyTorch से LiteRT रूपांतरण तक की पूरी वर्कफ़्लो को कवर किया गया है।
- स्टैटिक INT8 पोस्ट-ट्रेनिंग क्वांटिज़ेशन ने मॉडल आर्टिफ़ैक्ट के आकार को लगभग 31% कम कर दिया।
- क्वांटिज़ेशन के कारण मैक्रो रिकॉल 0.5060 से घटकर 0.4135 हो गया, और सभी चार दिशात्मक श्रेणियों में प्रदर्शन गिरा।
- अध्ययन में डिप्लॉयमेंट साइज़ का विश्लेषण किया गया है, साथ ही क्वांटिज़ेशन का माइनोरिटी-क्लास व्यवहार पर प्रभाव, जिसमें कैलिब्रेशन-डेटा कवरेज और इनपुट-रेंज क्लिपिंग शामिल हैं।
- ऑफ़लाइन इन्फरेंस को एक भौतिक Android डिवाइस पर परीक्षण किया गया था, और कोड तथा पुनरुत्पादन सामग्री GitHub पर उपलब्ध हैं।
लेखक ने स्पष्ट रूप से सीमाओं का उल्लेख किया है, जैसे ओवरलैपिंग टाइम-सीरीज़ विंडो और कॉन्टेक्स्ट-प्रीफ़िक्स लीकेज जोखिम, यह स्पष्ट करते हुए कि यह एक शोध प्रोटोटाइप है, न कि कोई चिकित्सा सिस्टम।