CARATTERIZZAZIONE DELLE PRESTAZIONI E DEL CONSUMO ENERGETICO DI ALGORITMI DI EXPLAINABLE ARTIFICIAL INTELLIGENCE PER L'AFFECTIVE COMPUTING SU DISPOSITIVI EMBEDDED

This thesis characterizes the performance and energy consumption of MAFALDA 2.0, an Explainable Artificial Intelligence algorithm for affective state recognition on embedded devices (ESP32). Based on description logic, the system performs training and inference natively on-device using physiological signals from the EmoWear dataset. The results confirm the accuracy and energy sustainability of a transparent XAI approach, demonstrating the feasibility of handling the entire computational cycle within the memory limits of the microcontroller.

Questa tesi caratterizza prestazioni e consumi energetici di MAFALDA 2.0, un algoritmo di Intelligenza Artificiale Spiegabile per il riconoscimento dello stato affettivo su dispositivi embedded (ESP32). Basato sulla logica descrittiva, il sistema esegue addestramento e inferenza nativamente on-device sui segnali fisiologici del dataset EmoWear. I risultati confermano l'accuratezza e la sostenibilità energetica di un approccio XAI trasparente, dimostrando la fattibilità di gestire l'intero ciclo computazionale all'interno dei limiti di memoria del microcontrollore.