STMicroelectronics расширила методы машинного обучения в последней версии своей среды разработки STM32Cube.AI, чтобы помочь пользователям более эффективно решать задачи классификации, кластеризации и обнаружения новинок.
Помимо возможности разработки нейронных сетей для пограничного вывода на микроконтроллерах (MCU) STM32 *, последний выпуск STM32Cube.AI (версия 7.0) поддерживает новые контролируемые и частично контролируемые методы, которые работают с меньшими наборами данных и меньшим количеством циклов ЦП. К ним относятся изолирующий лес (iForest) и One Class Support Vector Machine (OC SVM) для обнаружения новизны, а также алгоритмы K-средних и SVM Classifier для классификации, которые пользователи теперь могут реализовать без ручного кодирования.
STMicroelectronics сообщает, что STM32Cube.AI позволяет разработчикам переносить рабочие нагрузки машинного обучения из облака на периферийные устройства на основе STM32, чтобы уменьшить задержку, сэкономить энергию, увеличить использование облака и защитить конфиденциальность за счет минимизации обмена данными через Интернет. С добавлением методов машинного обучения для аналитики на устройстве, микроконтроллеры STM32 теперь подходят для постоянных сценариев использования и интеллектуальных приложений с батарейным питанием.
Новую версию 32 STM7.0Cube.AI можно бесплатно загрузить с сайта www.st.com.
о STMicroelectronics