Le MCU Arm Cortex-M possono ottenere un lifting istantaneo dell'apprendimento automatico e dell'inferenza con NanoEdge AI



13 ore fa p Gary Elinoff Cartesiam, una startup focalizzata sull'intelligenza artificiale ai margini, ha annunciato NanoEdge AI Studio, il primo ambiente di sviluppo integrato (IDE) che consente l'apprendimento automatico (ML) e l'inferenza direttamente sugli MCU Arm Cortex-M. NanoEdge AI Studio semplifica la creazione di una libreria statica di apprendimento automatico da incorporare nei programmi in esecuzione su MCU Arm Cortex-M. Gli MCU incorporati nei dispositivi periferici possono essere abilitati ad apprendere, inferire e prevedere localmente direttamente all'interno del microcontrollore, interfacciarsi con l'ambiente fisico nel modo più diretto possibile.
NanoEdge AI Studio funziona interamente sul PC Windows o Linux dell'utente. Lo studio offre una maggiore sicurezza, semplicemente perché nessun dato viene trasmesso al cloud dove potrebbe essere intercettato. Dopo che il progettista avrà descritto l'ambiente finale, NanoEdge AI Studio calcolerà, ottimizzerà e testerà automaticamente la migliore soluzione algoritmica.
L'algoritmo scelto può essere incorporato come libreria C nella MCU. Sono possibili librerie piccole quanto 4K. Esistono cinque passaggi di base necessari per impartire funzionalità AI ai dispositivi periferici utilizzando NanoEdge AI Studio.
Questa soluzione è progettata per ridurre sia i costi che i tempi di sviluppo necessari per portare apprendimento, inferenza e previsione senza supervisione ai dispositivi periferici. Questi vantaggi sono orientati a rendere pratiche le capacità di intelligenza artificiale per i dispositivi in ​​cui sono essenziali bassi costi e basso consumo energetico. Come afferma Marc Dupaquier, direttore generale e co-fondatore di Cartesiam, "NanoEdge AI Studio di Cartesiam offre un approccio completamente diverso, con un'intelligenza artificiale economica ed economica e autoapprendimento.
" Prosegue affermando che “Permette a qualsiasi progettista di sistemi embedded di sviluppare rapidamente librerie di machine learning specifiche dell'applicazione ed eseguire il programma all'interno del microcontrollore proprio dove il segnale diventa dati. È l'unica soluzione in grado di eseguire sia l'apprendimento automatico che l'inferenza sul microcontrollore ". Fino ad ora, l'implementazione dell'IA in dispositivi embedded come Arm MCU è stata un processo costoso e dispendioso in termini di tempo, che richiedeva l'esperienza di data scientist molto specializzati.
Ma ora, come spiega Cartesiam, NanoEdge AI Studio consente "al tuo sviluppatore incorporato [diventare] il tuo sviluppatore AI. " Non è più necessario un data scientist specializzato. La velocità è un ovvio vantaggio di avere la capacità di intelligenza artificiale ai margini in cui i dispositivi elettronici si interfacciano direttamente con il mondo fisico. Ma c'è un fattore di sicurezza di vitale importanza da considerare. Come descritto da Marc Dupaquier, "Per quanto riguarda la sicurezza e la privacy, l'apprendimento di uno stato iniziale localmente riduce gli scambi di dati sulla rete e previene il rischio di falsificazione o intrusione". Cartesiam ha rivelato alcune applicazioni sul campo comprovate per NanoEdge AI Studio.
Alcune di queste applicazioni hanno assomigliato a: Cartesiam consente ai progettisti embedded di provare NanoEdge AI gratuitamente, consentendo loro di creare librerie di machine learning per l'apprendimento autonomo e inferire ai margini.

Yorumlar

Yorum Gönder

Bu blogdaki popüler yayınlar

Classici protocolli CAN vs CAN FD: le differenze che contano per i progettisti

Resim
un giorno fa p Antonio Anzaldua Jr. Controller Area Network with Flexible Data Rate (CAN FD) è un protocollo di comunicazione dati che si è evoluto insieme all'elettronica moderna, consentendo ai progettisti di migliorare l'affidabilità della comunicazione nei sistemi di controllo industriale e di automazione. Alla fine degli anni '80, il protocollo CAN classico è stato istituito per aumentare la funzionalità del veicolo. In sostanza, tutto ciò che coinvolge il movimento dei macchinari utilizza un sistema CAN. Tuttavia, con il passare del tempo, la richiesta di sofisticate unità di controllo elettronico (ECU) e caratteristiche di sicurezza come i sistemi avanzati di assistenza alla guida (ADAS) è aumentata in modo esponenziale. Per soddisfare le crescenti richieste, Classical CAN doveva passare a un nuovo protocollo in grado di resistere al pesante traffico di dati che inevitabilmente si stava avvicinando. Con la crescente velocità di trasferimento e ricezione simulta...
Devamı

Che cos'è DrMOS, l'IC che alimenta i processori di nuova generazione?

Resim
7 ore fa p Adrian Gibbons\n\nAll'inizio di questo mese, Alpha e Omega Semiconductor (AOS) hanno annunciato la loro ultima generazione di dispositivi dello stadio di potenza DrMOS, AOZ531xQI, destinati a periferiche per PC ad alte prestazioni, comprese unità di processori grafici (GPU), memoria e schede madri per laptop.\n\nAOS afferma che questi nuovi dispositivi DrMOS presentano fino a 65 A di corrente continua con un assorbimento di corrente di picco di 120 A per 10 µs e 80 A per 10 ms su impulso.\n\nQuando Intel ha scritto la specifica DrMOS 1. \u003cbr\u003e 0 nel 2004, era con l'intento di definire un pacchetto di componenti facilmente adottabile, che soddisfaceva la necessità di densità di potenza più elevate con minori perdite. Dalla revisione originale, DrMOS è passato da un requisito di meno di 25 ampere a un requisito di più di 50 amp e da 64 mm2 a soli 25 mm2.\n\nDrMOS, pronunciato \"D-R-MOS\", secondo Infineon Technologies, è essenzialmente un modulo regol...
Devamı

Qual è la funzione Sinc e perché è importante nell'ingegneria elettrica?

Resim
5 ore fa p Robert Keim La formulazione matematica della funzione sinc, nota anche come funzione seno cardinale, è scritta come segue: La funzione mostrata sopra è indefinita per x = 0, e di conseguenza dobbiamo definire sinc (0) in base al limite quando x si avvicina a 0, che è 1. Quindi, \ [\ text {sinc} (x) = \ begin {cases} 1 & \ text {for} x = 0 \\\ frac {\ sin (x)} {x} & \ text {altrimenti} \ end {cases } \] Nel contesto dell'elaborazione del segnale digitale, utilizziamo spesso una forma alternativa in cui la variabile indipendente viene moltiplicata per π: \ [\ text {sinc} _ \ pi (x) \ equiv \ text {sinc} (\ pi x) = \ begin {cases} 1 & \ text {for} x = 0 \\\ frac {\ sin (\ pi x)} {\ pi x} & \ text {altrimenti} \ end {case} \] Questa seconda forma è chiamata funzione sinc normalizzata, perché l'integrale definito sull'intero intervallo di x è uguale a 1: Ho detto che la versione normalizzata è comune nell'elaborazione del segnale digitale. Q...
Devamı