ST, STM32Cube.AI ekosisteminde makine öğrenimi desteğini genişletiyor

STMicroelectronics, STM32Cube.AI geliştirme ortamı kullanıcılarının kullanımına sunulan makine öğrenimi tekniklerinin çeşitliliğini genişletti.

Bu hamle, sınıflandırma, kümeleme ve yenilik tespit zorluklarını mümkün olduğunca verimli bir şekilde çözmek için ekstra esnekliğin eklendiğini görüyor.

Bu STM32Cube.AI sürümü (sürüm 32), STM7.0* mikro denetleyicilerinde (MCU'lar) uç çıkarımı için sinir ağlarının geliştirilmesine olanak sağlamanın yanı sıra, daha küçük veri kümeleri ve daha az CPU döngüsüyle çalışan yeni denetimli ve yarı denetimli yöntemleri destekler. Bunlar arasında yenilik tespiti için izolasyon ormanı (iForest) ve Tek Sınıf Destek Vektör Makinesi (OC SVM) ve kullanıcıların artık zahmetli manuel kodlama olmadan uygulayabileceği sınıflandırma için K-ortalamaları ve SVM Sınıflandırıcı algoritmaları yer alır.

Bu klasik makine öğrenimi algoritmalarının sinir ağlarının üstüne eklenmesi, ST'ye göre çeşitli model türlerini dönüştürmek, doğrulamak ve dağıtmak için kullanımı kolay tekniklerle hızlı geri dönüş süresi sağlayarak geliştiricilerin zorluklarını daha hızlı çözmelerine yardımcı olacak. STM32 mikrodenetleyicileri üzerinde.

STM32Cube.AI, gecikmeyi azaltmak, enerji tasarrufu sağlamak, bulut kullanımını artırmak ve İnternet üzerinden veri alışverişini azaltarak gizliliği korumak için tasarımcıların makine öğrenimi iş yüklerini buluttan STM32 tabanlı uç cihazlara taşımasına olanak sağlamak için geliştirildi.

Cihaz içi analitik için en verimli makine öğrenimi tekniklerini seçmeye yönelik bu ekstra esneklikle STM32 MCU'lar, her zaman açık kullanım senaryoları ve akıllı pille çalışan uygulamalar için uygun olacaktır.