Persekitaran pengembangan STM32Cube.AI mendapat lebih banyak sokongan ML

STMicroelectronics telah memperluas teknik pembelajaran mesin dalam keluaran terbaru STM32Cube.AI pengembangan persekitarannya untuk membantu pengguna menyelesaikan klasifikasi, pengelompokan, dan cabaran pengesanan baru dengan lebih berkesan.

Di samping memungkinkan pengembangan rangkaian saraf untuk inferensi tepi pada mikrokontroler STM32 * (MCU), pelepasan STM32Cube.AI terbaru (versi 7.0) menyokong kaedah baru yang diselia dan separa pengawasan yang berfungsi dengan set data yang lebih kecil dan lebih sedikit kitaran CPU. Ini termasuk hutan pengasingan (iForest) dan Mesin Vektor Sokongan Satu Kelas (OC SVM) untuk pengesanan baru dan algoritma K-means dan SVM Classifier untuk klasifikasi, yang kini pengguna dapat laksanakan tanpa pengekodan manual.

"Penambahan algoritma pembelajaran mesin klasik ini di atas rangkaian saraf membantu pemaju menyelesaikan cabaran mereka dengan lebih cepat dengan mengaktifkan waktu pemulihan yang cepat dengan teknik yang mudah digunakan untuk menukar, mengesahkan, dan menggunakan pelbagai jenis model pada mikrokontroler STM32," kata syarikat itu.

STM32Cube.AI membolehkan pemaju memacu beban kerja pembelajaran mesin dari awan ke dalam peranti tepi berasaskan STM32 untuk mengurangkan latensi, menjimatkan tenaga, meningkatkan penggunaan awan, dan melindungi privasi dengan meminimumkan pertukaran data melalui Internet, kata STMicroelectronics. Dengan penambahan teknik pembelajaran mesin untuk analitik pada peranti, STM32 MCU kini sesuai untuk kes penggunaan yang selalu digunakan dan aplikasi berkuasa bateri pintar.

STM32Cube.AI versi 7.0 yang baru boleh dimuat turun secara percuma di www.st.com.

mengenai STMicroelectronics