<listing id="5bf7d"><dfn id="5bf7d"><progress id="5bf7d"></progress></dfn></listing><p id="5bf7d"><form id="5bf7d"></form></p>
    <p id="5bf7d"><track id="5bf7d"><strike id="5bf7d"></strike></track></p>
    <track id="5bf7d"><big id="5bf7d"><progress id="5bf7d"></progress></big></track>

        <rp id="5bf7d"></rp>

        <em id="5bf7d"></em>

            <b id="5bf7d"></b>

            新聞中心

            EEPW首頁 > 嵌入式系統 > 業界動態 > 意法半導體STM32Cube.AI生態系統加強對高效機器學習的支持

            意法半導體STM32Cube.AI生態系統加強對高效機器學習的支持

            作者:時間:2021-08-24來源:電子產品世界收藏

            意法半導體STM32Cube.AI開發環境為用戶提供各種機器學習技術,為他們盡可能高效地解決分類、聚類和新穎性檢測三種算法挑戰提供更多靈活性。

            本文引用地址:http://www.archiactvr.cn/article/202108/427752.htm

            除了能夠在STM32*微控制器(MCU)上開發用于邊緣推理的神經網絡外,最新的STM32Cube.AI版本(7.0版)還支持新的監督和半監督方法,這些方法可以處理更小的數據集和更少的CPU周期。其中包括孤立森林異常檢測(iForest)和單類支持向量機(OC-SVM)新穎性檢測,以及K-means和SVM分類器算法,現在,用戶無需人工寫代碼就能實現這些算法。

            1629769319265419.jpg

            除神經網絡之外,這些經典機器學習算法讓開發人員通過易于使用的技術在STM32微控制器上轉換、驗證和部署各種學習模型,縮短研發周期,更快地解決人工智能開發挑戰。

            STM32Cube.AI允許開發人員將機器學習處理任務從云端轉移到基于STM32的邊緣設備,以減少延遲、節約能源、提高云利用率,并通過大限度地減少互聯網上的數據交換來保護隱私?,F在,用戶使用STM32 MCU具有額外的靈活性,可以選擇高效的機器學習技術進行設備上分析,是長期在線使用案例和智能電池供電應用的理想之選。



            關鍵詞:

            評論


            相關推薦

            技術專區

            關閉