Nordic Semiconductor宣布与美国人工智能和机器学习公司 Atlazo达成收购知识产权组合的协议，其中包括Atlazo八人核心团队的雇用协议，并未披露具体金额。总部位于美国加州圣迭戈的Atlazo公司是用于微型边缘设备的人工智能和机器学习(AI/ML)处理器、能源管理和传感器接口设计的技术领导者。Nordic公司与Atlazo 公司达成收购知识产权组合的协议，这将进一步巩固Nordic在物联网低功耗产品和解决方案开发领域的领先地位，并加速重要的战略发展计划。通过收购Atlazo的知识产权和
关键字：
Nordic 人工智能 机器学习
每次谈及物联网 (IoT)，行业就会明显出现两大阵营：乐观派和悲观派。后者将物联网认定为“尚属未来”的技术。而我个人是坚定的乐观派：对于物联网解决方案有望带来的变革性创新，我既感到无比振奋，同时又保持审慎的乐观态度，毕竟任何新兴技术的崛起都要面临诸多挑战。 对于 Arm® 而言，伴随我们持续推出一众具有针对性的解决方案、IP 和其它各类技术的同时，既向创新者提供了有力的支持，也始终确保自己站在市场最前沿引领趋势、应对挑战。正因于此，我们在全球生态系统中，对物联网从业人员进行了一项调查，采访对象包括开发者、
关键字：
5G 机器学习 物联网 arm
机器学习 (ML) 正成为嵌入式设计人员开发或改进各种产品的标准要求。为满足这一需求，Microchip Technology Inc.（美国微芯科技公司）近日推出了全新的 MPLAB® 机器学习开发工具包，提供一套完整的集成工作流程来简化机器学习模型开发。这款软件工具包可用于Microchip的各类单片机 (MCU) 和微处理器 (MPU) 产品组合，助力开发人员快速高效地添加机器学习推理。Microchip开发系统业务部副总裁Rodger Richey表示：“机器学习是嵌入式控制器的新常态，与依赖云通
关键字：
Microchip MPLAB 机器学习 MCU MPU
意法半导体的首款车规机器学习解决方案SL-AIAID012401V1由AEKD-AICAR1 评估套件、AI 人工智能插件和AutoDevKit 车规开发板组成，能够识别驻车、正常路况、崎岖道路、车轮侧滑或突然转向四种汽车状态。这是一个难得的机会，可以通过测试和开发汽车人工智能应用，以确定该技术是否适合这个市场。事实上，许多车企还在探索在行业现阶段，机器学习对他们是否有意义。从头开始创建算法需要投入大量的人力和资金。把评估解决方案导入我们的 AutoDevKit 平
关键字：
ST 机器学习 汽车AI
Gartner今日发布了影响数据科学与机器学习（DSML）未来方向的重要趋势。随着DSML行业的快速发展和演变，数据对于人工智能（AI）开发与运用的重要性日益提高，尤其是投资重点也正转向生成式人工智能领域。 Gartner研究总监Peter Krensky表示：“随着机器学习在各个行业的应用持续快速扩大，DSML也正从单纯侧重于预测模型转向更加普及化、动态化和以数据为中心的技术领域，而且生成式人工智能（AI）的热潮也助推了这一趋势。尽管潜在风险不断出现，但面向数据科学家及其组织的新功能和用例也层
关键字：
Gartner 机器学习
摘要本系列文章由三部分组成，主要探讨卷积神经网络(CNN)的特性和应用。CNN主要用于模式识别和对象分类。作为系列文章的第三部分，本文重点解释如何使用硬件转换卷积神经网络(CNN)，并特别介绍使用带CNN硬件加速器的人工智能(AI)微控制器在物联网(IoT)边缘实现人工智能应用所带来的好处。系列文章的前两篇文章为《卷积神经网络简介：什么是机器学习？——第一部分》和《训练卷积神经网络：什么是机器学习？——第二部分》。 简介AI应用通常需要消耗大量能源，并以服务器农场或昂贵的现场可编程门阵列(FPG
关键字：
卷积神经网络 硬件转换 机器学习 ADI
到目前为止，我们关注的是单层感知器，它由一个输入层和一个输出层组成。您可能还记得，我们使用术语“单层”是因为此配置仅包括一层计算活动节点，即通过求和然后应用激活函数来修改数据的节点。输入层中的节点只是分发数据。到目前为止，我们关注的是单层感知器，它由一个输入层和一个输出层组成。您可能还记得，我们使用术语“单层”是因为此配置仅包括一层计算活动节点，即通过求和然后应用激活函数来修改数据的节点。输入层中的节点只是分发数据。单层感知器在概念上很简单，训练过程非常简单。不幸的是，它不提供我们复杂的、现实生活中的应用
关键字：
多层感知器 机器学习
今年以来国内消费持续恢复，国内零售市场呈稳步发展态势，而商务部也将2023年定为“消费提振年”，消费的基础性作用被进一步强调。面对不断增长的需求，零售团队人员数量及具体运营执行是否能及时匹配，正成为零售商们不得不面临的挑战。零售团队人员的短缺将使商店难以正常运营。当商店经理的人数捉襟见肘时，他们可能没有时间对员工进行新技能培训，帮助员工提高现有的技能组合，或者弄清楚如何以更佳的方式在商店中利用其技能。商店经理也可能难以对已有员工进行有效的安排。鉴于如今客户和员工的期望之高前所未有，因此很难追踪每位团队成员
关键字：
人工智能 机器学习 零售
本文讨论机器学习 (ML) 与半导体制造之间的关系，特别是 ML 算法和模型在半导体制造过程中的应用。
关键字：
机器学习
本文是系列文章的第二部分，重点介绍卷积神经网络(CNN)的特性和应用。CNN主要用于模式识别和对象分类。在第一部分文章《卷积神经网络简介：什么是机器学习？——第一部分》中，我们比较了在微控制器中运行经典线性规划程序与运行CNN的区别，并展示了CNN的优势。我们还探讨了CIFAR网络，该网络可以对图像中的猫、房子或自行车等对象进行分类，还可以执行简单的语音识别。本文重点解释如何训练这些神经网络以解决实际问题。神经网络的训练过程本系列文章的第一部分讨论的CIFAR网络由不同层的神经元组成。如图1所示，32 ×
关键字：
ADI 机器学习
随着人工智能(AI)技术的快速发展，AI可以越来越多地支持以前无法实现或者难以实现的应用。本系列文章基于此解释了卷积神经网络(CNN)及其对人工智能和机器学习的意义。CNN是一种能够从复杂数据中提取特征的强大工具，例如识别音频信号或图像信号中的复杂模式就是其应用之一。本文讨论了CNN相对于经典线性规划的优势，后续文章《训练卷积神经网络：什么是机器学习？——第二部分》将讨论如何训练CNN模型，系列文章的第三部分将讨论一个特定用例，并使用专门的AI微控制器对模型进行测试。什么是卷积神经网络？神经网络是一种由神
关键字：
ADI 卷积神经网络 机器学习
AI（人工智能）可以说是目前的热点领域，从工厂的机器人，到支付时的人脸识别，生活处处都充斥着AI的影子。人们通常认为，AI可以不知疲倦，无时无刻地工作。 但其有一个致命缺点，当学习了新知识后，会把之前学习的知识忘记，这种现象称为“灾难性遗忘”。近日，美国加州大学圣地亚哥医学院的研究发现，通过让一种新型的超级AI模仿人类睡眠，离线一段时间后，AI的“灾难性遗忘”会得到缓解。 AI在“睡眠”后，就能像人脑一样，回忆过去，而不需用旧的数据重新训练。据了解，人脑中的记忆是由突触重量的模式表示的
关键字：
AI 人工智能 机器学习
摘 要：故障通常特指某个系统或某个运行过程的一系列相关参数丧失了规定性能的状态，或者在特定场景下
控制指标出现了偏差。故障不可避免，故障影响了电力系统正常安全稳定运行。为此迫切需要快速识别诊断故
障。本文基于数据驱动算法，详细对比分析了多种基于机器学习主流模型故障诊断的方法，并通过实例验证了
模型的有效性以及优越性，对模型的选择具有重要参考意义。关键词：故障识别；机器学习；数据驱动0 引言被控系统处于非正常运行情况时，若能够采用某种
技术快速实时在线检测故障并且能基于先进定位技术判
别故障点准确
关键字：
202211 故障识别 机器学习 数据驱动
2022 年 11 月 15 日，中国——为了扩大开发工具的功能，加快嵌入式人工智能 (AI) 和机器学习 (ML) 开发项目，意法半导体发布了NanoEdge AI Studio 和 STM32Cube.AI.的升级版本。这两个开发工具有助于把人工智能和机器学习迁移到应用边缘设备。迁移到网络边缘后，人工智能和机器学习的优势非常突出，包括原生隐私保护、确定性实时响应、更高可靠性和更低功耗。NanoEdge AI Studio 是一个自动化的机器学习开发工具，适合不需要开发神经网络的应用项目。该工具需要与S
关键字：
意法半导体 嵌入式 AI 机器学习
联发科长期投入前瞻领域研究，近期再传突破性成果。联发科宣布，将机器学习导入芯片设计，运用强化学习（reinforcement learning）让机器透过自我不断探索和学习，预测出芯片中最佳电路区块的位置（location）与形状（shape），将大幅缩短开发时间并建构更强大性能的芯片，成为改变游戏规则的重大突破。联发科表示，该技术将于11月于台湾举办的IEEE亚洲固态电路研讨会A-SSCC（Asian Solid-State Circuits Conference）发表，同步也将申请国际专利。联发科指出
关键字：
联发科 芯片设计 机器学习
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