Исследователь-фрилансер Мохамед Менаси опубликовал GlucoEdge — инженерное исследование, подробно описывающее конвейер машинного обучения для выполнения задач непосредственно на устройстве. Система предназначена для прогнозирования тренда уровня глюкозы по пяти классам с шагом 15 минут на основе данных непрерывного мониторинга глюкозы. В работе представлена компактная 1D CNN, содержащая всего 2909 параметров, и охвачен полный рабочий процесс от PyTorch до конвертации в LiteRT.

  • Статическое INT8 постобучающее квантование уменьшило размер артефакта модели примерно на 31%.
  • Квантование привело к снижению макро-recall с 0.5060 до 0.4135, при этом производительность упала во всех четырёх направленных классах.
  • В исследовании анализируется размер для развертывания наряду с влиянием квантования на поведение классов меньшинства, включая покрытие калибровочных данных и обрезку входного диапазона.
  • Оффлайн-инференс был протестирован на физическом Android-устройстве; код и материалы для воспроизведения доступны на GitHub.

Автор явно отмечает ограничения, такие как перекрывающиеся окна временных рядов и риск утечки контекстного префикса, уточняя, что это исследовательский прототип, а не медицинская система.