تقدم ST دعمها لـ ML في النظام البيئي STM32Cube.AI

قامت شركة STMicroelectronics بتوسيع مجموعة متنوعة من تقنيات التعلم الآلي المتاحة لمستخدمي بيئة تطوير STM32Cube.AI.

تشهد هذه الخطوة إضافة مرونة إضافية لحل تحديات التصنيف والتكتل واكتشاف الحداثة بأكبر قدر ممكن من الكفاءة.

بالإضافة إلى تمكين تطوير الشبكات العصبية للاستدلال الحواف على المتحكمات الدقيقة STM32 * (MCU) ، يدعم إصدار STM32Cube.AI (الإصدار 7.0) طرقًا جديدة خاضعة للإشراف وشبه خاضعة للإشراف تعمل مع مجموعات بيانات أصغر ودورات أقل لوحدة المعالجة المركزية. يتضمن ذلك غابة العزل (iForest) وآلة متجه دعم فئة واحدة (OC SVM) لاكتشاف الحداثة وخوارزميات K-mean و SVM Classifier للتصنيف والتي يمكن للمستخدمين الآن تنفيذها بدون تشفير يدوي شاق.

ستساعد إضافة خوارزميات التعلم الآلي الكلاسيكية هذه فوق الشبكات العصبية المطورين على حل تحدياتهم بسرعة أكبر من خلال تمكين وقت الاستجابة السريع بتقنيات سهلة الاستخدام ، وفقًا لـ ST ، لتحويل أنواع مختلفة من النماذج والتحقق من صحتها ونشرها. على ميكروكنترولر STM32.

تم تطوير STM32Cube.AI للسماح للمصممين بقيادة أعباء عمل التعلم الآلي من السحابة إلى الأجهزة المتطورة القائمة على STM32 لتقليل زمن الوصول وتوفير الطاقة وزيادة استخدام السحابة وحماية الخصوصية عن طريق تقليل تبادل البيانات عبر الإنترنت.

مع هذه المرونة الإضافية لاختيار أكثر تقنيات التعلم الآلي كفاءة للتحليلات على الجهاز ، ستكون STM32 MCU مناسبة لحالات الاستخدام الدائمة والتطبيقات الذكية التي تعمل بالبطاريات.