处理边缘连接的机器学习（ML）应用的复杂性是一个艰巨而漫长的过程。将相关应用功能与在经济高效的平台上部署此ML模型的复杂性结合起来，需要花费大量的精力和时间。恩智浦基于ML的系统状态监测应用软件包（App SW Pack）为快速开发此类复杂应用提供了量产源代码。打造边缘就绪解决方案并非易事，如今几乎所有开发人员都避免尝试从头开始构建应用或产品。始终存在的面市时间压力意味着，终端产品制造商和应用工程师越来越依赖现有的示例和抽象层来节省时间。这使我们能够更多关注用户体验和更高应用级别的编码，以便集成到终端产品
关键字：
NXP 机器学习
将机器学习Machine Learning（ML）加入现有的MCU设计OK吗？庞大的ML软件框架令您却步？想沿用现有的设计与工具，可行吗？现今常见有两种方法，第一种是透过网络将其感测的信息传输到云端，借着云端强大的运算能力，再将判断结果传回。Microchip有相当多这类成熟的解决方案，可让您轻松连到云端。 另一种方法则可直接在MCU上做运算判断，虽然运算能力比不上云端，但对某些小型传感器或数据应用，先在MCU做一些门坎值判断算法，反而毋须考虑网络带宽不够、能耗太高、传输延迟等问题，更不用担心传
关键字：
Microchip MCU 机器学习
开发机器学习项目的五个步骤 — 掌握要点，应用并不困难！边缘机器学习具有许多优势。 然而，由于开发方法与标准程序设计方法截然不同，许多机器学习开发者可能会担心自己难以驾驭。其实，完全没有必要担心。一旦熟悉了步骤，并掌握了机器学习项目的要点，就能够开发具有价值的机器学习应用。此外，意法半导体（STMicroelectronics；ST）提供解决方案，以促进边缘机器学习得到广泛应用发挥全部潜力。本文描述机器学习项目的必要开发步骤，并介绍了ST MEMS传感器内嵌机器学习核心（MLC）的优势。 图一
关键字：
机器学习 模型设计 MEMS MLC
0 前言机器学习（ML）除了能够学习大数据（big data）中的规律和法则之外，也能够学习人类的智慧。华夏文化渊源长久、博大精深，处处充满智慧。因此，我们可以让机器来学习华夏的文化底蕴和智能，还能更上层楼而学贯中西。1 复习：什么是特征（feature）?机器学习之路，首先从观察特征出发。回忆一下，人们对于周围的问题或事件常从不同的角度来观察或看出不同的特征。所谓特征（feature），就是一件事物或一群事物，其具有与众不同的特色或表征。例如，人们在辨别其
关键字：
202111 机器学习
1 神奇的自编码器在之前各期里，所举的范例模型都是基于逻辑回归（Logistic regression）的线性分类器（Linear classifier）。其训练方法是采取监督式学习（Supervised Learning）模式。在本期里， 将进一步介绍非监督式学习（Unsupervised Learning）模式，并以小而美的自编码器（Autoencoder，简称：AE）为例。自编码器是一种小而美的ML 模型，它的用途非常多，所以有“ML 瑞士刀”之称。例如，Pawer Sobe
关键字：
202109 自编码器 机器学习
1 英飞凌在边缘（Edge）设备上释放机器学习（ML）的能力市场对舒适性、便利性和简单性的需求不断增加，对娱乐、安全和能源效率领域更多功能的需求也在日益增长，这将大大增加对智能家居的兴趣和承诺。边缘人工智能（AI）将成为这些产品的关键推动因素。今天的物联网硬件/软件开发人员面临着在构建这些未来设备时的一系列复杂设计。从复杂的集成无线连接，到优化电池供电设计中的系统功率，再到集成传感器融合，让物联网工作对任何团队来说都是一项艰巨的任务。作为连接现实世界和数字世界的领导者，英飞凌非常了解
关键字：
202109 机器学习 AI
1 为什么AI/ML发展如此迅速？多年来，人工智能（AI）/机器学习（ML）市场一直以指数级的速度快速增长，其解决方案遍布我们周围，从机器人和其他机械系统的预测故障算法、电子商务中的购买行为建议、自动驾驶车辆的目标检测、电子交易中的风险缓解到DNA测序等等，我们身边有各种各样的解决方案，示例不胜枚举。那么，为什么AI/ML发展如此迅速呢？据IDC、Gartner和其他市调机构的分析，全球大约80%的数据是非结构化数据。电子邮件、照片、语音邮件、视频和许多其他数据源每天都在堆积。无论
关键字：
AI 机器学习 FPGA
6月11日消息，谷歌称其正在使用机器学习系统帮助工程师设计新一代机器学习芯片。谷歌工程师表示，算法设计的芯片质量和人工设计“相当”甚至“还要更好”，但完成速度要快得多。谷歌表示，人工智能可以在不到6小时的时间内完成人工需要数月时间完成的芯片设计工作。 谷歌多年来一直在研究如何使用机器学习制造芯片，本周谷歌员工发表在《自然》杂志的一篇论文证实此类研究已经应用于商业产品。谷歌开始用人工智能设计自家的TPU芯片。 据悉，TPU芯片是应用于人工智能的芯片，专门针对人工智能计算进行了优化。“我们的方法已经用
关键字：
谷歌 AI 机器学习
粮食经常因为各类鸟类的啄食而丢失，研究发现鸟眼对532 nm的绿色激光束最敏感，通过绿色激光束可以达到驱鸟效果。本课题通过3D打印机械模型，利用嵌入式系统完成鸟类识别算法，通过机器学习的方式识别鸟类，用双自由度舵机控制系统驱赶鸟类。精准的激光束定位“打击”，很好实现了驱鸟的任务。
关键字：
驱鸟 532 nm 绿色激光束 机器学习 202103
近日，RISC-V处理器供应商——赛昉科技有限公司，发布全球性能最高的基于RISC-V的处理器内核 –天枢系列处理器。该系列处理器是商用化基于RISC-V指令集架构的64位超高性能内核，针对性能和频率做了高度的优化，具有非常优异的性能，频率可达3.5GHz@TSMC 7nm，SPECint2006 数值为31.2 @ 3.5GHz，Dhrystone 达到5.6 DMIPS/MHz，专为高性能计算应用市场而设计，可广泛应用于数据中心、PC、移动终端、高性能网络通讯、机器学习等领域。天枢系列处理器的发布标志
关键字：
RISC-V 天枢系列处理器内核 机器学习 乱序执行 超标量设计 向量运算 虚拟化技术
据国外媒体报道，谷歌人工智能程序AlphaGo在2016年开始的人机围棋大战中击败李世石等一众人类围棋高手，让外界意识到了人工智能的巨大潜力，人工智能和机器学习也已广泛的应用于生产生活。为苹果、AMD等众多公司代工芯片、近几年在芯片制程工艺方面走在行业前列的芯片代工商台积电，就已在利用人工智能和机器学习技术，以改进他们的芯片生产。台积电已开始利用人工智能和机器学习技术，是他们负责先进技术业务发展的一名高管，在官网上透露的，主要是用于芯片生产过程中的数据处理。这名高管在台积电的官网上表示，生产的芯片越多，从
关键字：
台积电 人工智能 机器学习
日前，国际权威分析机构Forrester发布中国预测分析和机器学习市场研究报告《Now Tech: Predictive Analytics And Machine Learning In China, Q3 2020》（简称PAML），浪潮与百度、阿里云、腾讯云等企业入选中国预测分析和机器学习市场第一阵营。该报告指出，在AI开发流程中首先要解决的就是数据准备问题，企业的数据采集、存储、处理和分析能力将会直接影响AI模型开发、训练和部署，由此可见提升数据处理效率已经成为推动企业AI
关键字：
浪潮 云海Insight 大数据平台 机器学习
日前，国际权威分析机构Forrester发布《Now Tech: Predictive Analytics And Machine Learning In China, Q3 2020》（简称：PAML）报告，浪潮凭借领先的产品功能以及卓越的商业化能力入围中国预测分析和机器学习市场第一阵营。Forrester Now Tech是Forrester机构在中国乃至全球范围内影响力最大、市场认可度最高的报告系列之一，旨在为企业IT决策、产品选型等提供基于市场规模、产品功能维度的价值参考。Forres
关键字：
Forrester 机器学习
意法半导体近日发布一款免费的STM32软件功能包，让用户可以用微控制器探索套件快速创建、训练、部署 工业状态监测智能边缘设备 。FP-AI-NANOEDG1软件包 由意法半导体与机器学习专业开发科技公司、ST授权合作伙伴Cartesiam共同开发，包含捕获传感器数据，集成和运行Cartesiam的NanoEdge库所需的全部驱动程序、中间件、文档和代码示例。即使用户没有专业的AI技能，也能在Windows®10或Ubuntu PC机上，用Cartesiam NanoEdge™
关键字：
Cartesiam 机器学习 STM32
导读异常检测的一些入门问题。问问题是学习的最好方法之一。但有时你不知道从哪里开始，或者该问什么
—— 尤其是在你还比较熟悉的异常检测之类的话题上。在这种情况下，最好倾听别人的问题，让他们的思路来指导你的学习。以下是我们在“[Ask Me
Anything: Anomaly Detection](https://www.tibco.com/events/ask-me-
anything-webinar-anomaly-detecing-machine
-learning)”网络研讨会上收到的
关键字：
机器学习 异常检测
机器学习介绍
您好，目前还没有人创建词条机器学习!
欢迎您创建该词条，阐述对机器学习的理解，并与今后在此搜索机器学习的朋友们分享。
创建词条
关于我们 -
广告服务 -
企业会员服务 -
网站地图 -
联系我们 -
征稿 -
友情链接 -
手机EEPW
Copyright ©2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《电子产品世界》杂志社 版权所有 北京东晓国际技术信息咨询有限公司
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473