A STMicroelectronics expandiu as técnicas de aprendizado de máquina na versão mais recente de seu ambiente de desenvolvimento STM32Cube.AI para ajudar os usuários a resolver os desafios de classificação, clustering e detecção de novidades com mais eficiência.
Além de permitir o desenvolvimento de redes neurais para inferência de borda em microcontroladores STM32 * (MCUs), o lançamento mais recente do STM32Cube.AI (versão 7.0) oferece suporte a novos métodos supervisionados e semissupervisionados que funcionam com conjuntos de dados menores e menos ciclos de CPU. Isso inclui floresta de isolamento (iForest) e Máquina de vetor de suporte de uma classe (OC SVM) para detecção de novidades e algoritmos de classificação K-means e SVM para classificação, que os usuários agora podem implementar sem codificação manual.
O STM32Cube.AI permite que os desenvolvedores conduzam cargas de trabalho de aprendizado de máquina da nuvem para dispositivos periféricos baseados em STM32 para reduzir a latência, economizar energia, aumentar a utilização da nuvem e proteger a privacidade, minimizando as trocas de dados pela Internet, disse a STMicroelectronics. Com a adição de técnicas de aprendizado de máquina para análises no dispositivo, os MCUs STM32 agora são adequados para casos de uso sempre ativos e aplicativos inteligentes alimentados por bateria.
O novo STM32Cube.AI versão 7.0 pode ser baixado gratuitamente em www.st.com.
sobre STMicroelectronics