Machina discendi motus sensoriis capax destinatus ad IoT

Renovatio: III Iulii, 8

Machina discendi motus sensoriis capax destinatus ad IoT

Machina discendi motus sensoriis capax destinatus ad IoT

Qeexo, elit Qeexo AutoML automated machinae discendi (ML) suggestum, et STMicroelectronics annunciaverunt disponibilitatem machinae discendi core ST (MLC) sensoriis in Qeexo AutoML.

Dum ST's MLC sensores possunt substantialiter minuere consumptionem systematis altiore potentiae, currendo algorithms sentientes relatos, ex magnis datarum sensibilium fundatis constructis, quod secus processus exercitus currit. Utendo hoc sensorem data, Qeexo AutoML automatice potest solutiones machinae discendi maxime optimized pro Edge machinis automatice generare.

Cum latency ultra-humilis, potentiae ultra-humilis consumptio, et perparvum vestigium memoriae hae solutiones algorithmicae superare possunt limites mortis magnitudine-impositos ad vim computationis et magnitudinem memoriae, cum exemplaribus efficientibus machinae addiscendae sensoriis quae systematis extendunt. se refiere.

"Promissionem nuper fecimus tradendo cum operam nostram cum ST nuntiavimus, Qeexo subsidium adiecit pro ST familia machinarum discendi core sensoriis in Qeexo AutoML," dixit Sang Won Lee, CEO de Qeexo. "Opus nostrum cum ST" nunc applicationes ad tincidunt applicandos dedit ut algorithmos in ST' MLC sensoriis machinae discendi celeriter construendi et explicandi sine MCU cyclis et systematis facultatibus consumptis, pro infinitis applicationibus, inclusis industrialibus et IOT casibus utantur."

"Accommodare Qeexo AutoML pro ST machinae discendi nucleum sensoriis faciliorem facit ut tincidunt ut machinam embedded discentem ad applicationes suas valde humilis potentiae cito addere", Simone Ferri, MEMS Sensorie Division Director, STMicroelectronics.

"MLC in sensoriis nostris ponendo, incluso LSM6DSOX vel ISM330DHCX, signanter systema notitiarum translationis volumina redigit, processus retis offload, et potentia systematis potentiae consummationis per ordines magnitudinis secat, dum consectetur eventum detectionis tradens, logicam evigilationem, et tempus Edge realem computando. "