首頁　 資訊　 商機 　 下載　 拆解 　 高校　 招聘 　 雜志　 會展　 EETV　 百科 　 問答　 電路圖　 工程師手冊 　 Datasheet　 100例 　 活動中心　 E周刊閱讀 　 樣片申請
EEPW首頁 >> 主題列表 >> ?機器學習

Microchip 推出 MPLAB? 機器學習開發(fā)工具包，助力開發(fā)人員輕松將機器學習集成到 MCU 和 MPU中

  • —— 這款獨特的解決方案首次全面支持 8 位、16 位和 32 位 MCU 以及 32位MPU，可在邊緣實現機器學習機器學習 (ML) 正成為嵌入式設計人員開發(fā)或改進各種產品的標準要求。為滿足這一需求，Microchip Technology Inc.（美國微芯科技公司）近日推出了全新的 MPLAB? 機器學習開發(fā)工具包，提供一套完整的集成工作流程來簡化機器學習模型開發(fā)。這款軟件工具包可用于Microchip的各類單片機 (MCU) 和微處理器 (MPU) 產品組合，助力開發(fā)人員快速高效地添加機器學習推理
  • 關鍵字： Microchip  MPLAB  機器學習  MCU  MPU    

Nordic收購美國人工智能/機器學習技術

  • Nordic Semiconductor宣布與美國人工智能和機器學習公司 Atlazo達成收購知識產權組合的協(xié)議，其中包括Atlazo八人核心團隊的雇用協(xié)議，并未披露具體金額?？偛课挥诿绹又菔サ甑腁tlazo公司是用于微型邊緣設備的人工智能和機器學習(AI/ML)處理器、能源管理和傳感器接口設計的技術領導者。Nordic公司與Atlazo 公司達成收購知識產權組合的協(xié)議，這將進一步鞏固Nordic在物聯網低功耗產品和解決方案開發(fā)領域的領先地位，并加速重要的戰(zhàn)略發(fā)展計劃。通過收購Atlazo的知識產權和
  • 關鍵字： Nordic  人工智能  機器學習  

5G 技術、云原生開發(fā)和機器學習是推動物聯網解決方案的重要助力

  • 每次談及物聯網 (IoT)，行業(yè)就會明顯出現兩大陣營：樂觀派和悲觀派。后者將物聯網認定為“尚屬未來”的技術。而我個人是堅定的樂觀派：對于物聯網解決方案有望帶來的變革性創(chuàng)新，我既感到無比振奮，同時又保持審慎的樂觀態(tài)度，畢竟任何新興技術的崛起都要面臨諸多挑戰(zhàn)。 對于 Arm? 而言，伴隨我們持續(xù)推出一眾具有針對性的解決方案、IP 和其它各類技術的同時，既向創(chuàng)新者提供了有力的支持，也始終確保自己站在市場最前沿引領趨勢、應對挑戰(zhàn)。正因于此，我們在全球生態(tài)系統(tǒng)中，對物聯網從業(yè)人員進行了一項調查，采訪對象包括開發(fā)者、
  • 關鍵字： 5G  機器學習  物聯網  arm  

Microchip推出MPLAB機器學習開發(fā)工具包,助力開發(fā)人員輕松將機器學習集成到MCU和MPU中

  • 機器學習 (ML) 正成為嵌入式設計人員開發(fā)或改進各種產品的標準要求。為滿足這一需求，Microchip Technology Inc.（美國微芯科技公司）近日推出了全新的 MPLAB? 機器學習開發(fā)工具包，提供一套完整的集成工作流程來簡化機器學習模型開發(fā)。這款軟件工具包可用于Microchip的各類單片機 (MCU) 和微處理器 (MPU) 產品組合，助力開發(fā)人員快速高效地添加機器學習推理。Microchip開發(fā)系統(tǒng)業(yè)務部副總裁Rodger Richey表示：“機器學習是嵌入式控制器的新常態(tài)，與依賴云通
  • 關鍵字： Microchip  MPLAB  機器學習  MCU  MPU  

ST機器學習解決方案助力車企探索汽車AI可能性

  • 意法半導體的首款車規(guī)機器學習解決方案SL-AIAID012401V1由AEKD-AICAR1?評估套件、AI?人工智能插件和AutoDevKit?車規(guī)開發(fā)板組成，能夠識別駐車、正常路況、崎嶇道路、車輪側滑或突然轉向四種汽車狀態(tài)。這是一個難得的機會，可以通過測試和開發(fā)汽車人工智能應用，以確定該技術是否適合這個市場。事實上，許多車企還在探索在行業(yè)現階段，機器學習對他們是否有意義。從頭開始創(chuàng)建算法需要投入大量的人力和資金。把評估解決方案導入我們的?AutoDevKit 平
  • 關鍵字： ST  機器學習  汽車AI  

Gartner發(fā)布影響數據科學和機器學習未來方向的重要趨勢

  • Gartner今日發(fā)布了影響數據科學與機器學習（DSML）未來方向的重要趨勢。隨著DSML行業(yè)的快速發(fā)展和演變，數據對于人工智能（AI）開發(fā)與運用的重要性日益提高，尤其是投資重點也正轉向生成式人工智能領域。 Gartner研究總監(jiān)Peter Krensky表示：“隨著機器學習在各個行業(yè)的應用持續(xù)快速擴大，DSML也正從單純側重于預測模型轉向更加普及化、動態(tài)化和以數據為中心的技術領域，而且生成式人工智能（AI）的熱潮也助推了這一趨勢。盡管潛在風險不斷出現，但面向數據科學家及其組織的新功能和用例也層
  • 關鍵字： Gartner  機器學習  

卷積神經網絡的硬件轉換：什么是機器學習？——第三部分

  • 摘要本系列文章由三部分組成，主要探討卷積神經網絡(CNN)的特性和應用。CNN主要用于模式識別和對象分類。作為系列文章的第三部分，本文重點解釋如何使用硬件轉換卷積神經網絡(CNN)，并特別介紹使用帶CNN硬件加速器的人工智能(AI)微控制器在物聯網(IoT)邊緣實現人工智能應用所帶來的好處。系列文章的前兩篇文章為《卷積神經網絡簡介：什么是機器學習？——第一部分》和《訓練卷積神經網絡：什么是機器學習？——第二部分》。 簡介AI應用通常需要消耗大量能源，并以服務器農場或昂貴的現場可編程門陣列(FPG
  • 關鍵字： 卷積神經網絡  硬件轉換  機器學習  ADI  

使用多層感知器進行機器學習

  • 到目前為止，我們關注的是單層感知器，它由一個輸入層和一個輸出層組成。您可能還記得，我們使用術語“單層”是因為此配置僅包括一層計算活動節(jié)點，即通過求和然后應用激活函數來修改數據的節(jié)點。輸入層中的節(jié)點只是分發(fā)數據。到目前為止，我們關注的是單層感知器，它由一個輸入層和一個輸出層組成。您可能還記得，我們使用術語“單層”是因為此配置僅包括一層計算活動節(jié)點，即通過求和然后應用激活函數來修改數據的節(jié)點。輸入層中的節(jié)點只是分發(fā)數據。單層感知器在概念上很簡單，訓練過程非常簡單。不幸的是，它不提供我們復雜的、現實生活中的應用
  • 關鍵字： 多層感知器  機器學習  

如何通過人工智能(AI)和機器學習應對零售勞動力和執(zhí)行方面的挑戰(zhàn)

  • 今年以來國內消費持續(xù)恢復，國內零售市場呈穩(wěn)步發(fā)展態(tài)勢，而商務部也將2023年定為“消費提振年”，消費的基礎性作用被進一步強調。面對不斷增長的需求，零售團隊人員數量及具體運營執(zhí)行是否能及時匹配，正成為零售商們不得不面臨的挑戰(zhàn)。零售團隊人員的短缺將使商店難以正常運營。當商店經理的人數捉襟見肘時，他們可能沒有時間對員工進行新技能培訓，幫助員工提高現有的技能組合，或者弄清楚如何以更佳的方式在商店中利用其技能。商店經理也可能難以對已有員工進行有效的安排。鑒于如今客戶和員工的期望之高前所未有，因此很難追蹤每位團隊成員
  • 關鍵字： 人工智能  機器學習  零售  

機器學習在半導體制造中的重要性提升

  • 本文討論機器學習 (ML) 與半導體制造之間的關系，特別是 ML 算法和模型在半導體制造過程中的應用。
  • 關鍵字： 機器學習    

訓練卷積神經網絡：什么是機器學習？——第二部分

  • 本文是系列文章的第二部分，重點介紹卷積神經網絡(CNN)的特性和應用。CNN主要用于模式識別和對象分類。在第一部分文章《卷積神經網絡簡介：什么是機器學習？——第一部分》中，我們比較了在微控制器中運行經典線性規(guī)劃程序與運行CNN的區(qū)別，并展示了CNN的優(yōu)勢。我們還探討了CIFAR網絡，該網絡可以對圖像中的貓、房子或自行車等對象進行分類，還可以執(zhí)行簡單的語音識別。本文重點解釋如何訓練這些神經網絡以解決實際問題。神經網絡的訓練過程本系列文章的第一部分討論的CIFAR網絡由不同層的神經元組成。如圖1所示，32 ×
  • 關鍵字： ADI  機器學習  

卷積神經網絡簡介：什么是機器學習？——第一部分

  • 隨著人工智能(AI)技術的快速發(fā)展，AI可以越來越多地支持以前無法實現或者難以實現的應用。本系列文章基于此解釋了卷積神經網絡(CNN)及其對人工智能和機器學習的意義。CNN是一種能夠從復雜數據中提取特征的強大工具，例如識別音頻信號或圖像信號中的復雜模式就是其應用之一。本文討論了CNN相對于經典線性規(guī)劃的優(yōu)勢，后續(xù)文章《訓練卷積神經網絡：什么是機器學習？——第二部分》將討論如何訓練CNN模型，系列文章的第三部分將討論一個特定用例，并使用專門的AI微控制器對模型進行測試。什么是卷積神經網絡？神經網絡是一種由神
  • 關鍵字： ADI  卷積神經網絡  機器學習  

AI也需休息？研究稱AI“睡眠”后學習力大增

  • AI（人工智能）可以說是目前的熱點領域，從工廠的機器人，到支付時的人臉識別，生活處處都充斥著AI的影子。人們通常認為，AI可以不知疲倦，無時無刻地工作。 但其有一個致命缺點，當學習了新知識后，會把之前學習的知識忘記，這種現象稱為“災難性遺忘”。近日，美國加州大學圣地亞哥醫(yī)學院的研究發(fā)現，通過讓一種新型的超級AI模仿人類睡眠，離線一段時間后，AI的“災難性遺忘”會得到緩解。 AI在“睡眠”后，就能像人腦一樣，回憶過去，而不需用舊的數據重新訓練。據了解，人腦中的記憶是由突觸重量的模式表示的
  • 關鍵字： AI  人工智能  機器學習  

基于數據驅動的多模型故障診斷

  • 摘 要：故障通常特指某個系統(tǒng)或某個運行過程的一系列相關參數喪失了規(guī)定性能的狀態(tài)，或者在特定場景下 控制指標出現了偏差。故障不可避免，故障影響了電力系統(tǒng)正常安全穩(wěn)定運行。為此迫切需要快速識別診斷故 障。本文基于數據驅動算法，詳細對比分析了多種基于機器學習主流模型故障診斷的方法，并通過實例驗證了 模型的有效性以及優(yōu)越性，對模型的選擇具有重要參考意義。關鍵詞：故障識別；機器學習；數據驅動0 引言被控系統(tǒng)處于非正常運行情況時，若能夠采用某種 技術快速實時在線檢測故障并且能基于先進定位技術判 別故障點準確
  • 關鍵字： 202211  故障識別  機器學習  數據驅動  

意法半導體嵌入式 AI 解決方案增加簡化機器學習開發(fā)的高級功能

  • 2022 年 11 月 15 日，中國——為了擴大開發(fā)工具的功能，加快嵌入式人工智能 (AI) 和機器學習 (ML) 開發(fā)項目，意法半導體發(fā)布了NanoEdge AI Studio 和 STM32Cube.AI.的升級版本。這兩個開發(fā)工具有助于把人工智能和機器學習遷移到應用邊緣設備。遷移到網絡邊緣后，人工智能和機器學習的優(yōu)勢非常突出，包括原生隱私保護、確定性實時響應、更高可靠性和更低功耗。NanoEdge AI Studio 是一個自動化的機器學習開發(fā)工具，適合不需要開發(fā)神經網絡的應用項目。該工具需要與S
  • 關鍵字： 意法半導體  嵌入式 AI  機器學習   
共268條 2/18 « 1 2 3 4 5 6 7 8 9 10 » ›|
關于我們 - 廣告服務 - 企業(yè)會員服務 - 網站地圖 - 聯系我們 - 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
備案 京ICP備12027778號-2 北京市公安局備案：1101082052    京公網安備11010802012473