Lingkungan pengembangan STM32Cube.AI mendapat lebih banyak dukungan ML

STMicroelectronics telah memperluas teknik pembelajaran mesin dalam rilis terbaru dari lingkungan pengembangan STM32Cube.AI untuk membantu pengguna memecahkan tantangan klasifikasi, pengelompokan, dan deteksi kebaruan secara lebih efisien.

Selain memungkinkan pengembangan jaringan saraf untuk inferensi tepi pada mikrokontroler STM32* (MCU), rilis STM32Cube.AI terbaru (versi 7.0) mendukung metode baru yang diawasi dan semi-diawasi yang bekerja dengan set data yang lebih kecil dan siklus CPU yang lebih sedikit. Ini termasuk hutan isolasi (iForest) dan One Class Support Vector Machine (OC SVM) untuk deteksi baru dan algoritma K-means dan SVM Classifier untuk klasifikasi, yang kini dapat diterapkan pengguna tanpa pengkodean manual.

“Penambahan algoritme pembelajaran mesin klasik ini di atas jaringan saraf membantu pengembang memecahkan tantangan mereka lebih cepat dengan memungkinkan waktu penyelesaian yang cepat dengan teknik yang mudah digunakan untuk mengonversi, memvalidasi, dan menerapkan berbagai jenis model pada mikrokontroler STM32,” kata perusahaan.

STM32Cube.AI memungkinkan pengembang mendorong beban kerja pembelajaran mesin dari cloud ke perangkat edge berbasis STM32 untuk mengurangi latensi, menghemat energi, meningkatkan pemanfaatan cloud, dan melindungi privasi dengan meminimalkan pertukaran data melalui Internet, kata STMicroelectronics. Dengan tambahan teknik pembelajaran mesin untuk analitik di perangkat, MCU STM32 sekarang cocok untuk kasus penggunaan yang selalu aktif dan aplikasi bertenaga baterai pintar.

STM32Cube.AI versi 7.0 yang baru dapat diunduh secara gratis di www.st.com.

tentang STMicroelectronics