ST ขยายการรองรับ ML ในระบบนิเวศ STM32Cube.AI

STMicroelectronics ได้ขยายความหลากหลายของเทคนิคการเรียนรู้ด้วยเครื่องที่มีให้สำหรับผู้ใช้สภาพแวดล้อมการพัฒนา STM32Cube.AI

การย้ายครั้งนี้ทำให้เห็นว่ามีการเพิ่มความยืดหยุ่นเป็นพิเศษเพื่อแก้ปัญหาการจำแนกประเภท การจัดกลุ่ม และการตรวจจับสิ่งใหม่อย่างมีประสิทธิภาพมากที่สุด

เช่นเดียวกับการเปิดใช้งานการพัฒนาเครือข่ายประสาทเทียมสำหรับการอนุมานขอบบนไมโครคอนโทรลเลอร์ STM32* (MCU) รุ่น STM32Cube.AI (เวอร์ชัน 7.0) นี้สนับสนุนวิธีการใหม่ภายใต้การดูแลและกึ่งควบคุมที่ทำงานกับชุดข้อมูลขนาดเล็กลงและรอบของ CPU น้อยลง ซึ่งรวมถึงการแยกฟอเรสต์ (iForest) และ One Class Support Vector Machine (OC SVM) สำหรับการตรวจจับความแปลกใหม่และอัลกอริธึม K-mean และ SVM Classifier สำหรับการจัดหมวดหมู่ซึ่งขณะนี้ผู้ใช้สามารถใช้งานได้โดยไม่ต้องเขียนโค้ดด้วยตนเองที่ลำบาก

การเพิ่มอัลกอริธึมแมชชีนเลิร์นนิงแบบคลาสสิกเหล่านี้ไว้บนโครงข่ายประสาทเทียม จะช่วยให้นักพัฒนาแก้ปัญหาได้รวดเร็วยิ่งขึ้นโดยช่วยให้เวลาตอบสนองรวดเร็วด้วยเทคนิคที่ใช้งานง่ายในการแปลง ตรวจสอบ และปรับใช้โมเดลประเภทต่างๆ ตาม ST บนไมโครคอนโทรลเลอร์ STM32

STM32Cube.AI ได้รับการพัฒนาเพื่อให้นักออกแบบสามารถขับเคลื่อนปริมาณงานการเรียนรู้ของเครื่องจากคลาวด์ไปยังอุปกรณ์ Edge ที่ใช้ STM32 เพื่อลดเวลาแฝง ประหยัดพลังงาน เพิ่มการใช้งานระบบคลาวด์ และปกป้องความเป็นส่วนตัวโดยลดการแลกเปลี่ยนข้อมูลทางอินเทอร์เน็ต

ด้วยความยืดหยุ่นพิเศษนี้ในการเลือกเทคนิคแมชชีนเลิร์นนิงที่มีประสิทธิภาพสูงสุดสำหรับการวิเคราะห์ในอุปกรณ์ STM32 MCU จะเหมาะสำหรับกรณีการใช้งานตลอดเวลาและแอปพลิเคชันที่ใช้พลังงานจากแบตเตอรี่อัจฉริยะ