STMicroelectronics hat die Machine-Learning-Techniken in der neuesten Version seiner STM32Cube.AI-Entwicklungsumgebung erweitert, um Benutzern dabei zu helfen, Herausforderungen bei Klassifizierung, Clustering und Neuheitserkennung effizienter zu lösen.
Neben der Entwicklung neuronaler Netze für Edge-Inferenz auf STM32*-Mikrocontrollern (MCUs) unterstützt die neueste STM32Cube.AI-Version (Version 7.0) neue überwachte und halbüberwachte Methoden, die mit kleineren Datensätzen und weniger CPU-Zyklen arbeiten. Dazu gehören Isolation Forest (iForest) und One Class Support Vector Machine (OC SVM) zur Erkennung von Neuheiten sowie K-Means- und SVM-Classifier-Algorithmen zur Klassifizierung, die Benutzer jetzt ohne manuelle Codierung implementieren können.
STM32Cube.AI ermöglicht es Entwicklern, Machine-Learning-Workloads aus der Cloud in STM32-basierte Edge-Geräte zu übertragen, um Latenzzeiten zu reduzieren, Energie zu sparen, die Cloud-Nutzung zu erhöhen und die Privatsphäre zu schützen, indem der Datenaustausch über das Internet minimiert wird, sagte STMicroelectronics. Durch das Hinzufügen von Machine-Learning-Techniken für die On-Device-Analyse eignen sich STM32-MCUs jetzt für Always-On-Anwendungsfälle und intelligente batteriebetriebene Anwendungen.
Die neue STM32Cube.AI Version 7.0 kann kostenlos unter www.st.com heruntergeladen werden.
über STMicroelectronics