EEPW首頁(yè) >>
主題列表 >>
?機器學(xué)習
?機器學(xué)習 文章 進(jìn)入?機器學(xué)習技術(shù)社區
Microchip推出MPLAB機器學(xué)習開(kāi)發(fā)工具包,助力開(kāi)發(fā)人員輕松將機器學(xué)習集成到MCU和MPU中
- 機器學(xué)習 (ML) 正成為嵌入式設計人員開(kāi)發(fā)或改進(jìn)各種產(chǎn)品的標準要求。為滿(mǎn)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(xué)習開(kāi)發(fā)工具包，提供一套完整的集成工作流程來(lái)簡(jiǎn)化機器學(xué)習模型開(kāi)發(fā)。這款軟件工具包可用于Microchip的各類(lèi)單片機 (MCU) 和微處理器 (MPU) 產(chǎn)品組合，助力開(kāi)發(fā)人員快速高效地添加機器學(xué)習推理。Microchip開(kāi)發(fā)系統業(yè)務(wù)部副總裁Rodger Richey表示：“機器學(xué)習是嵌入式控制器的新常態(tài)，與依賴(lài)云通
- 關(guān)鍵字： Microchip MPLAB 機器學(xué)習 MCU MPU
ST機器學(xué)習解決方案助力車(chē)企探索汽車(chē)AI可能性
- 意法半導體的首款車(chē)規機器學(xué)習解決方案SL-AIAID012401V1由AEKD-AICAR1?評估套件、AI?人工智能插件和AutoDevKit?車(chē)規開(kāi)發(fā)板組成，能夠識別駐車(chē)、正常路況、崎嶇道路、車(chē)輪側滑或突然轉向四種汽車(chē)狀態(tài)。這是一個(gè)難得的機會(huì )，可以通過(guò)測試和開(kāi)發(fā)汽車(chē)人工智能應用，以確定該技術(shù)是否適合這個(gè)市場(chǎng)。事實(shí)上，許多車(chē)企還在探索在行業(yè)現階段，機器學(xué)習對他們是否有意義。從頭開(kāi)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(guān)鍵字： ST 機器學(xué)習 汽車(chē)AI
Gartner發(fā)布影響數據科學(xué)和機器學(xué)習未來(lái)方向的重要趨勢
- Gartner今日發(fā)布了影響數據科學(xué)與機器學(xué)習（DSML）未來(lái)方向的重要趨勢。隨著(zhù)DSML行業(yè)的快速發(fā)展和演變，數據對于人工智能（AI）開(kāi)發(fā)與運用的重要性日益提高，尤其是投資重點(diǎn)也正轉向生成式人工智能領(lǐng)域。 Gartner研究總監Peter Krensky表示：“隨著(zhù)機器學(xué)習在各個(gè)行業(yè)的應用持續快速擴大，DSML也正從單純側重于預測模型轉向更加普及化、動(dòng)態(tài)化和以數據為中心的技術(shù)領(lǐng)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(fēng)險不斷出現，但面向數據科學(xué)家及其組織的新功能和用例也層
- 關(guān)鍵字： Gartner 機器學(xué)習
卷積神經(jīng)網(wǎng)絡(luò )的硬件轉換：什么是機器學(xué)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(jīng)網(wǎng)絡(luò )(CNN)的特性和應用。CNN主要用于模式識別和對象分類(lèi)。作為系列文章的第三部分，本文重點(diǎn)解釋如何使用硬件轉換卷積神經(jīng)網(wǎng)絡(luò )(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(lián)網(wǎng)(IoT)邊緣實(shí)現人工智能應用所帶來(lái)的好處。系列文章的前兩篇文章為《卷積神經(jīng)網(wǎng)絡(luò )簡(jiǎn)介：什么是機器學(xué)習？——第一部分》和《訓練卷積神經(jīng)網(wǎng)絡(luò )：什么是機器學(xué)習？——第二部分》。 簡(jiǎn)介AI應用通常需要消耗大量能源，并以服務(wù)器農場(chǎng)或昂貴的現場(chǎng)可編程門(mén)陣列(FPG
- 關(guān)鍵字： 卷積神經(jīng)網(wǎng)絡(luò ) 硬件轉換 機器學(xué)習 ADI
使用多層感知器進(jìn)行機器學(xué)習
- 到目前為止，我們關(guān)注的是單層感知器，它由一個(gè)輸入層和一個(gè)輸出層組成。您可能還記得，我們使用術(shù)語(yǔ)“單層”是因為此配置僅包括一層計算活動(dòng)節點(diǎn)，即通過(guò)求和然后應用激活函數來(lái)修改數據的節點(diǎn)。輸入層中的節點(diǎn)只是分發(fā)數據。到目前為止，我們關(guān)注的是單層感知器，它由一個(gè)輸入層和一個(gè)輸出層組成。您可能還記得，我們使用術(shù)語(yǔ)“單層”是因為此配置僅包括一層計算活動(dòng)節點(diǎn)，即通過(guò)求和然后應用激活函數來(lái)修改數據的節點(diǎn)。輸入層中的節點(diǎn)只是分發(fā)數據。單層感知器在概念上很簡(jiǎn)單，訓練過(guò)程非常簡(jiǎn)單。不幸的是，它不提供我們復雜的、現實(shí)生活中的應用
- 關(guān)鍵字： 多層感知器 機器學(xué)習
如何通過(guò)人工智能(AI)和機器學(xué)習應對零售勞動(dòng)力和執行方面的挑戰
- 今年以來(lái)國內消費持續恢復，國內零售市場(chǎng)呈穩步發(fā)展態(tài)勢，而商務(wù)部也將2023年定為“消費提振年”，消費的基礎性作用被進(jìn)一步強調。面對不斷增長(cháng)的需求，零售團隊人員數量及具體運營(yíng)執行是否能及時(shí)匹配，正成為零售商們不得不面臨的挑戰。零售團隊人員的短缺將使商店難以正常運營(yíng)。當商店經(jīng)理的人數捉襟見(jiàn)肘時(shí)，他們可能沒(méi)有時(shí)間對員工進(jìn)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(jīng)理也可能難以對已有員工進(jìn)行有效的安排。鑒于如今客戶(hù)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(guān)鍵字： 人工智能 機器學(xué)習 零售
機器學(xué)習在半導體制造中的重要性提升
- 本文討論機器學(xué)習 (ML) 與半導體制造之間的關(guān)系，特別是 ML 算法和模型在半導體制造過(guò)程中的應用。
- 關(guān)鍵字： 機器學(xué)習
訓練卷積神經(jīng)網(wǎng)絡(luò )：什么是機器學(xué)習？——第二部分
- 本文是系列文章的第二部分，重點(diǎn)介紹卷積神經(jīng)網(wǎng)絡(luò )(CNN)的特性和應用。CNN主要用于模式識別和對象分類(lèi)。在第一部分文章《卷積神經(jīng)網(wǎng)絡(luò )簡(jiǎn)介：什么是機器學(xué)習？——第一部分》中，我們比較了在微控制器中運行經(jīng)典線(xiàn)性規劃程序與運行CNN的區別，并展示了CNN的優(yōu)勢。我們還探討了CIFAR網(wǎng)絡(luò )，該網(wǎng)絡(luò )可以對圖像中的貓、房子或自行車(chē)等對象進(jìn)行分類(lèi)，還可以執行簡(jiǎn)單的語(yǔ)音識別。本文重點(diǎn)解釋如何訓練這些神經(jīng)網(wǎng)絡(luò )以解決實(shí)際問(wèn)題。神經(jīng)網(wǎng)絡(luò )的訓練過(guò)程本系列文章的第一部分討論的CIFAR網(wǎng)絡(luò )由不同層的神經(jīng)元組成。如圖1所示，32 ×
- 關(guān)鍵字： ADI 機器學(xué)習
卷積神經(jīng)網(wǎng)絡(luò )簡(jiǎn)介：什么是機器學(xué)習？——第一部分
- 隨著(zhù)人工智能(AI)技術(shù)的快速發(fā)展，AI可以越來(lái)越多地支持以前無(wú)法實(shí)現或者難以實(shí)現的應用。本系列文章基于此解釋了卷積神經(jīng)網(wǎng)絡(luò )(CNN)及其對人工智能和機器學(xué)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(jīng)典線(xiàn)性規劃的優(yōu)勢，后續文章《訓練卷積神經(jīng)網(wǎng)絡(luò )：什么是機器學(xué)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(gè)特定用例，并使用專(zhuān)門(mén)的AI微控制器對模型進(jìn)行測試。什么是卷積神經(jīng)網(wǎng)絡(luò )？神經(jīng)網(wǎng)絡(luò )是一種由神
- 關(guān)鍵字： ADI 卷積神經(jīng)網(wǎng)絡(luò ) 機器學(xué)習
AI也需休息？研究稱(chēng)AI“睡眠”后學(xué)習力大增
- AI（人工智能）可以說(shuō)是目前的熱點(diǎn)領(lǐng)域，從工廠(chǎng)的機器人，到支付時(shí)的人臉識別，生活處處都充斥著(zhù)AI的影子。人們通常認為，AI可以不知疲倦，無(wú)時(shí)無(wú)刻地工作。 但其有一個(gè)致命缺點(diǎn)，當學(xué)習了新知識后，會(huì )把之前學(xué)習的知識忘記，這種現象稱(chēng)為“災難性遺忘”。近日，美國加州大學(xué)圣地亞哥醫學(xué)院的研究發(fā)現，通過(guò)讓一種新型的超級AI模仿人類(lèi)睡眠，離線(xiàn)一段時(shí)間后，AI的“災難性遺忘”會(huì )得到緩解。 AI在“睡眠”后，就能像人腦一樣，回憶過(guò)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(guān)鍵字： AI 人工智能 機器學(xué)習
基于數據驅動(dòng)的多模型故障診斷
- 摘 要：故障通常特指某個(gè)系統或某個(gè)運行過(guò)程的一系列相關(guān)參數喪失了規定性能的狀態(tài)，或者在特定場(chǎng)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正常安全穩定運行。為此迫切需要快速識別診斷故 障。本文基于數據驅動(dòng)算法，詳細對比分析了多種基于機器學(xué)習主流模型故障診斷的方法，并通過(guò)實(shí)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(guān)鍵詞：故障識別；機器學(xué)習；數據驅動(dòng)0 引言被控系統處于非正常運行情況時(shí)，若能夠采用某種 技術(shù)快速實(shí)時(shí)在線(xiàn)檢測故障并且能基于先進(jìn)定位技術(shù)判 別故障點(diǎn)準確
- 關(guān)鍵字： 202211 故障識別 機器學(xué)習 數據驅動(dòng)
意法半導體嵌入式 AI 解決方案增加簡(jiǎn)化機器學(xué)習開(kāi)發(fā)的高級功能
- 2022 年 11 月 15 日，中國——為了擴大開(kāi)發(fā)工具的功能，加快嵌入式人工智能 (AI) 和機器學(xué)習 (ML) 開(kāi)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(gè)開(kāi)發(fā)工具有助于把人工智能和機器學(xué)習遷移到應用邊緣設備。遷移到網(wǎng)絡(luò )邊緣后，人工智能和機器學(xué)習的優(yōu)勢非常突出，包括原生隱私保護、確定性實(shí)時(shí)響應、更高可靠性和更低功耗。NanoEdge AI Studio 是一個(gè)自動(dòng)化的機器學(xué)習開(kāi)發(fā)工具，適合不需要開(kāi)發(fā)神經(jīng)網(wǎng)絡(luò )的應用項目。該工具需要與S
- 關(guān)鍵字： 意法半導體 嵌入式 AI 機器學(xué)習
聯(lián)發(fā)科芯片設計 導入機器學(xué)習
- 聯(lián)發(fā)科長(cháng)期投入前瞻領(lǐng)域研究，近期再傳突破性成果。聯(lián)發(fā)科宣布，將機器學(xué)習導入芯片設計，運用強化學(xué)習（reinforcement learning）讓機器透過(guò)自我不斷探索和學(xué)習，預測出芯片中最佳電路區塊的位置（location）與形狀（shape），將大幅縮短開(kāi)發(fā)時(shí)間并建構更強大性能的芯片，成為改變游戲規則的重大突破。聯(lián)發(fā)科表示，該技術(shù)將于11月于臺灣舉辦的IEEE亞洲固態(tài)電路研討會(huì )A-SSCC（Asian Solid-State Circuits Conference）發(fā)表，同步也將申請國際專(zhuān)利。聯(lián)發(fā)科指出
- 關(guān)鍵字： 聯(lián)發(fā)科 芯片設計 機器學(xué)習
移動(dòng)算法 而非巨量數據
- 機器學(xué)習神經(jīng)網(wǎng)絡(luò )進(jìn)步使我們能夠處理越來(lái)越大量?jì)Υ尜Y料。傳統方法是將數據傳輸到算法設備，但是這種移動(dòng)巨量數據（高達 1 PB）以供可能只有幾十兆位元算法來(lái)進(jìn)行處理真的有意義嗎？因此，在靠近數據儲存位置處理數據的想法引起了很多關(guān)注。本文研究了計算儲存理論和實(shí)踐，以及如何使用計算儲存處理器 (CSP) 為許多計算密集型任務(wù)提供硬件加速和更高性能，而不會(huì )給主機處理器帶來(lái)大量負擔。數據集崛起近年來(lái)，神經(jīng)網(wǎng)絡(luò )算法在汽車(chē)、工業(yè)、安全和消費等應用中使用顯著(zhù)增加?；谶吘壩锫?lián)網(wǎng)傳感器通常只處理少量數據，因此所使用算法占用很
- 關(guān)鍵字： ?機器學(xué)習 神經(jīng)網(wǎng)絡(luò ) 數據集
安富利：在機器學(xué)習中取得領(lǐng)先地位
- 機器學(xué)習是改變世界的最新技術(shù)。過(guò)去配合云端使用的算法現在已經(jīng)擴展到邊緣運算。應用包括了監控、先進(jìn)駕駛輔助系統ADAS、機器人和數據中心。開(kāi)發(fā)人員正在尋找可快速及輕松地部署復雜系統的方法?！ τ谶吘壘W(wǎng)絡(luò )上的機器學(xué)習，Xilinx提供了延遲、功耗、成本、靈活性、可擴展性和上市時(shí)間之間的最佳權衡。其軟件定義的系統單芯片(SDSoC)允許無(wú)縫整合硬件和軟件、自動(dòng)化內存分配、快取管理、DMA和裝置互動(dòng)。SDx開(kāi)發(fā)環(huán)境為項目建立，模擬，執行和除錯提供了通用的基礎架構，讓不同的嵌入式系統可輕松實(shí)行?！ ∑浣Y果是更
- 關(guān)鍵字： 機器學(xué)習 Xilinx
?機器學(xué)習介紹
您好，目前還沒(méi)有人創(chuàng )建詞條?機器學(xué)習!
歡迎您創(chuàng )建該詞條，闡述對?機器學(xué)習的理解，并與今后在此搜索?機器學(xué)習的朋友們分享。 創(chuàng )建詞條
歡迎您創(chuàng )建該詞條，闡述對?機器學(xué)習的理解，并與今后在此搜索?機器學(xué)習的朋友們分享。 創(chuàng )建詞條
?機器學(xué)習相關(guān)帖子
?機器學(xué)習資料下載
?機器學(xué)習專(zhuān)欄文章
關(guān)于我們 -
廣告服務(wù) -
企業(yè)會(huì )員服務(wù) -
網(wǎng)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(chǎn)品世界》雜志社 版權所有 北京東曉國際技術(shù)信息咨詢(xún)有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權所有 北京東曉國際技術(shù)信息咨詢(xún)有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473