STMicroelectronics ha ampliado las técnicas de aprendizaje automático en la última versión de su entorno de desarrollo STM32Cube.AI para ayudar a los usuarios a resolver los desafíos de clasificación, agrupación y detección de novedades de manera más eficiente.
Además de permitir el desarrollo de redes neuronales para la inferencia de borde en microcontroladores (MCU) STM32 *, la última versión STM32Cube.AI (versión 7.0) admite nuevos métodos supervisados y semi-supervisados que funcionan con conjuntos de datos más pequeños y menos ciclos de CPU. Estos incluyen bosque de aislamiento (iForest) y One Class Support Vector Machine (OC SVM) para la detección de novedades y algoritmos de clasificación K-means y SVM Classifier, que los usuarios ahora pueden implementar sin codificación manual.
STM32Cube.AI permite a los desarrolladores impulsar cargas de trabajo de aprendizaje automático desde la nube a dispositivos periféricos basados en STM32 para reducir la latencia, ahorrar energía, aumentar la utilización de la nube y proteger la privacidad minimizando los intercambios de datos a través de Internet, dijo STMicroelectronics. Con la adición de técnicas de aprendizaje automático para análisis en el dispositivo, las MCU STM32 ahora son adecuadas para casos de uso siempre activos y aplicaciones inteligentes alimentadas por batería.
La nueva versión 32 de STM7.0Cube.AI se puede descargar de forma gratuita en www.st.com.
acerca de STMicroelectronics