Startseite > Halbleiter > Mikrocontroller > Effizientes Machine Learning mit der STM32Cube.AI-Umgebung

STMicroelectronics

Effizientes Machine Learning mit der STM32Cube.AI-Umgebung

27. Juli 2021, 9:28 Uhr | Iris Stroh

STMicroelectronics stärkt seine Unterstützung für effizientes Machine Learning in der STM32Cube.AI-Umgebung

STMicroelectronics hat seine Auswahl an Machine-Learning-Techniken erweitert, mit dem Ziel Klassifizierungs-, Clustering- und Neuheitserkennungs-Aufgaben so effizient wie möglich bewältigen zu können.

▶ Diesen Artikel anhören

Abgesehen davon, dass die Entwicklung neuronaler Netze für die Edge-Inferenz auf STM32-MCUs ermöglicht wird, unterstützt das neue STM32Cube.AI-Release (Version 7.0) von STMicroelectronics neue, überwachte und semi-überwachte Methoden, die mit kleineren Datensätzen und weniger CPU-Zyklen auskommen. Dazu gehören Isolation Forest (iForest) und One Class Support Vector Machine (OC SVM) für die Neuheitserkennung sowie die K-means- und SVM Classifier-Algorithmen für die Klassifizierung, die von den Anwendern jetzt ohne aufwändiges manuelles Codieren implementiert werden können.

Die Unterstützung dieser klassischen Machine-Learning-Algorithmen zusätzlich zu neuronalen Netzen hilft den Entwicklern bei der schnelleren Bewältigung ihrer Herausforderungen, indem mithilfe einfach anwendbarer Techniken zum Konvertieren, Validieren und Einsetzen unterschiedlicher Modelltypen auf STM32-Mikrocontrollern für kürzere Zykluszeiten gesorgt wird.

STM32Cube.AI erlaubt Entwicklern das Verlagern von Machine-Learning-Aufgaben von der Cloud in STM32-basierte Edge Devices, um die Latenz zu verringern, Energie zu sparen und die Privatsphäre zu schützen.

Die neue Version 7.0 von STM32Cube.AI steht auf www.st.com kostenlos zum Download zur Verfügung.