處理邊緣連接的機器學習(ML)應用的復雜性是一個艱巨而漫長的過程。將相關應用功能與在經濟高效的平臺上部署此ML模型的復雜性結合起來,需要花費大量的精力和時間。恩智浦基于ML的系統(tǒng)狀態(tài)監(jiān)測應用軟件包(App SW Pack)為快速開發(fā)此類復雜應用提供了量產源代碼。打造邊緣就緒解決方案并非易事,如今幾乎所有開發(fā)人員都避免嘗試從頭開始構建應用或產品。始終存在的面市時間壓力意味著,終端產品制造商和應用工程師越來越依賴現(xiàn)有的示例和抽象層來節(jié)省時間。這使我們能夠更多關注用戶體驗和更高應用級別的編碼,以便集成到終端產品
關鍵字:
NXP 機器學習
將機器學習Machine Learning(ML)加入現(xiàn)有的MCU設計OK嗎?龐大的ML軟件框架令您卻步?想沿用現(xiàn)有的設計與工具,可行嗎?現(xiàn)今常見有兩種方法,第一種是透過網絡將其感測的信息傳輸到云端,借著云端強大的運算能力,再將判斷結果傳回。Microchip有相當多這類成熟的解決方案,可讓您輕松連到云端。 另一種方法則可直接在MCU上做運算判斷,雖然運算能力比不上云端,但對某些小型傳感器或數據應用,先在MCU做一些門坎值判斷算法,反而毋須考慮網絡帶寬不夠、能耗太高、傳輸延遲等問題,更不用擔心傳
關鍵字:
Microchip MCU 機器學習
開發(fā)機器學習項目的五個步驟 — 掌握要點,應用并不困難!邊緣機器學習具有許多優(yōu)勢。 然而,由于開發(fā)方法與標準程序設計方法截然不同,許多機器學習開發(fā)者可能會擔心自己難以駕馭。其實,完全沒有必要擔心。一旦熟悉了步驟,并掌握了機器學習項目的要點,就能夠開發(fā)具有價值的機器學習應用。此外,意法半導體(STMicroelectronics;ST)提供解決方案,以促進邊緣機器學習得到廣泛應用發(fā)揮全部潛力。本文描述機器學習項目的必要開發(fā)步驟,并介紹了ST MEMS傳感器內嵌機器學習核心(MLC)的優(yōu)勢。 圖一
關鍵字:
機器學習 模型設計 MEMS MLC
0? ?前言機器學習(ML)除了能夠學習大數據(big data)中的規(guī)律和法則之外,也能夠學習人類的智慧。華夏文化淵源長久、博大精深,處處充滿智慧。因此,我們可以讓機器來學習華夏的文化底蘊和智能,還能更上層樓而學貫中西。1? ?復習:什么是特征(feature)?機器學習之路,首先從觀察特征出發(fā)。回憶一下,人們對于周圍的問題或事件常從不同的角度來觀察或看出不同的特征。所謂特征(feature),就是一件事物或一群事物,其具有與眾不同的特色或表征。例如,人們在辨別其
關鍵字:
202111 機器學習
1? ?神奇的自編碼器在之前各期里,所舉的范例模型都是基于邏輯回歸(Logistic regression)的線性分類器(Linear classifier)。其訓練方法是采取監(jiān)督式學習(Supervised Learning)模式。在本期里, 將進一步介紹非監(jiān)督式學習(Unsupervised Learning)模式,并以小而美的自編碼器(Autoencoder,簡稱:AE)為例。自編碼器是一種小而美的ML 模型,它的用途非常多,所以有“ML 瑞士刀”之稱。例如,Pawer Sobe
關鍵字:
202109 自編碼器 機器學習
1? ?英飛凌在邊緣(Edge)設備上釋放機器學習(ML)的能力市場對舒適性、便利性和簡單性的需求不斷增加,對娛樂、安全和能源效率領域更多功能的需求也在日益增長,這將大大增加對智能家居的興趣和承諾。邊緣人工智能(AI)將成為這些產品的關鍵推動因素。今天的物聯(lián)網硬件/軟件開發(fā)人員面臨著在構建這些未來設備時的一系列復雜設計。從復雜的集成無線連接,到優(yōu)化電池供電設計中的系統(tǒng)功率,再到集成傳感器融合,讓物聯(lián)網工作對任何團隊來說都是一項艱巨的任務。作為連接現(xiàn)實世界和數字世界的領導者,英飛凌非常了解
關鍵字:
202109 機器學習 AI
1? ?為什么AI/ML發(fā)展如此迅速?多年來,人工智能(AI)/機器學習(ML)市場一直以指數級的速度快速增長,其解決方案遍布我們周圍,從機器人和其他機械系統(tǒng)的預測故障算法、電子商務中的購買行為建議、自動駕駛車輛的目標檢測、電子交易中的風險緩解到DNA測序等等,我們身邊有各種各樣的解決方案,示例不勝枚舉。那么,為什么AI/ML發(fā)展如此迅速呢?據IDC、Gartner和其他市調機構的分析,全球大約80%的數據是非結構化數據。電子郵件、照片、語音郵件、視頻和許多其他數據源每天都在堆積。無論
關鍵字:
AI 機器學習 FPGA
6月11日消息,谷歌稱其正在使用機器學習系統(tǒng)幫助工程師設計新一代機器學習芯片。谷歌工程師表示,算法設計的芯片質量和人工設計“相當”甚至“還要更好”,但完成速度要快得多。谷歌表示,人工智能可以在不到6小時的時間內完成人工需要數月時間完成的芯片設計工作?! 」雀瓒嗄陙硪恢痹谘芯咳绾问褂脵C器學習制造芯片,本周谷歌員工發(fā)表在《自然》雜志的一篇論文證實此類研究已經應用于商業(yè)產品。谷歌開始用人工智能設計自家的TPU芯片?! ぃ琓PU芯片是應用于人工智能的芯片,專門針對人工智能計算進行了優(yōu)化?!拔覀兊姆椒ㄒ呀浻?/li>
關鍵字:
谷歌 AI 機器學習
糧食經常因為各類鳥類的啄食而丟失,研究發(fā)現(xiàn)鳥眼對532 nm的綠色激光束最敏感,通過綠色激光束可以達到驅鳥效果。本課題通過3D打印機械模型,利用嵌入式系統(tǒng)完成鳥類識別算法,通過機器學習的方式識別鳥類,用雙自由度舵機控制系統(tǒng)驅趕鳥類。精準的激光束定位“打擊”,很好實現(xiàn)了驅鳥的任務。
關鍵字:
驅鳥 532 nm 綠色激光束 機器學習 202103
近日,RISC-V處理器供應商——賽昉科技有限公司,發(fā)布全球性能最高的基于RISC-V的處理器內核 –天樞系列處理器。該系列處理器是商用化基于RISC-V指令集架構的64位超高性能內核,針對性能和頻率做了高度的優(yōu)化,具有非常優(yōu)異的性能,頻率可達3.5GHz@TSMC 7nm,SPECint2006 數值為31.2 @ 3.5GHz,Dhrystone 達到5.6 DMIPS/MHz,專為高性能計算應用市場而設計,可廣泛應用于數據中心、PC、移動終端、高性能網絡通訊、機器學習等領域。天樞系列處理器的發(fā)布標志
關鍵字:
RISC-V 天樞系列處理器內核 機器學習 亂序執(zhí)行 超標量設計 向量運算 虛擬化技術
據國外媒體報道,谷歌人工智能程序AlphaGo在2016年開始的人機圍棋大戰(zhàn)中擊敗李世石等一眾人類圍棋高手,讓外界意識到了人工智能的巨大潛力,人工智能和機器學習也已廣泛的應用于生產生活。為蘋果、AMD等眾多公司代工芯片、近幾年在芯片制程工藝方面走在行業(yè)前列的芯片代工商臺積電,就已在利用人工智能和機器學習技術,以改進他們的芯片生產。臺積電已開始利用人工智能和機器學習技術,是他們負責先進技術業(yè)務發(fā)展的一名高管,在官網上透露的,主要是用于芯片生產過程中的數據處理。這名高管在臺積電的官網上表示,生產的芯片越多,從
關鍵字:
臺積電 人工智能 機器學習
日前,國際權威分析機構Forrester發(fā)布中國預測分析和機器學習市場研究報告《Now Tech: Predictive Analytics And Machine Learning In China, Q3 2020》(簡稱PAML),浪潮與百度、阿里云、騰訊云等企業(yè)入選中國預測分析和機器學習市場第一陣營。該報告指出,在AI開發(fā)流程中首先要解決的就是數據準備問題,企業(yè)的數據采集、存儲、處理和分析能力將會直接影響AI模型開發(fā)、訓練和部署,由此可見提升數據處理效率已經成為推動企業(yè)AI
關鍵字:
浪潮 云海Insight 大數據平臺 機器學習
日前,國際權威分析機構Forrester發(fā)布《Now Tech: Predictive Analytics And Machine Learning In China, Q3 2020》(簡稱:PAML)報告,浪潮憑借領先的產品功能以及卓越的商業(yè)化能力入圍中國預測分析和機器學習市場第一陣營。Forrester Now Tech是Forrester機構在中國乃至全球范圍內影響力最大、市場認可度最高的報告系列之一,旨在為企業(yè)IT決策、產品選型等提供基于市場規(guī)模、產品功能維度的價值參考。Forres
關鍵字:
Forrester 機器學習
意法半導體近日發(fā)布一款免費的STM32軟件功能包,讓用戶可以用微控制器探索套件快速創(chuàng)建、訓練、部署?工業(yè)狀態(tài)監(jiān)測智能邊緣設備?。FP-AI-NANOEDG1軟件包?由意法半導體與機器學習專業(yè)開發(fā)科技公司、ST授權合作伙伴Cartesiam共同開發(fā),包含捕獲傳感器數據,集成和運行Cartesiam的NanoEdge庫所需的全部驅動程序、中間件、文檔和代碼示例。即使用戶沒有專業(yè)的AI技能,也能在Windows?10或Ubuntu PC機上,用Cartesiam NanoEdge?
關鍵字:
Cartesiam 機器學習 STM32
導讀異常檢測的一些入門問題。問問題是學習的最好方法之一。但有時你不知道從哪里開始,或者該問什么
—— 尤其是在你還比較熟悉的異常檢測之類的話題上。在這種情況下,最好傾聽別人的問題,讓他們的思路來指導你的學習。以下是我們在“[Ask Me
Anything: Anomaly Detection](https://www.tibco.com/events/ask-me-
anything-webinar-anomaly-detecing-machine
-learning)”網絡研討會上收到的
關鍵字:
機器學習 異常檢測
機器學習介紹
您好,目前還沒有人創(chuàng)建詞條機器學習!
歡迎您創(chuàng)建該詞條,闡述對機器學習的理解,并與今后在此搜索機器學習的朋友們分享。
創(chuàng)建詞條
關于我們 -
廣告服務 -
企業(yè)會員服務 -
網站地圖 -
聯(lián)系我們 -
征稿 -
友情鏈接 -
手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產品世界》雜志社 版權所有 北京東曉國際技術信息咨詢有限公司
京ICP備12027778號-2 北京市公安局備案:1101082052 京公網安備11010802012473