цифровая электроника
вычислительная техника
встраиваемые системы

 


Сравнение бесплатных платформ машинного обучения

Автор: Mike(admin) от 11-04-2022, 05:55

Если вы хотите начать работу с машинным обучением, вы можете быстро оказаться в растерянности из-за огромного количества различных платформ, предлагающих различные услуги и возможности в плане машинного обучения.


Сравнение бесплатных платформ машинного обучения

В данной статье вы познакомитесь с несколькими интересными (и бесплатными) платформами машинного обучения для различных приложений, чтобы вы могли быстро приступить к работе. Обратите внимание, что это лишь небольшой набор платформ, и основная цель статьи – дать вам обзорное представление, чтобы вы могли начать более эффективно проводить собственные исследования.

Квантование нейронной сети: что это такое и как оно связано с TinyML?

Автор: Mike(admin) от 11-03-2022, 05:05

Основная проблема в TinyML заключается в том, как взять относительно большую нейронную сеть, иногда порядка сотен мегабайт, и заставить ее работать на микроконтроллере с ограниченными ресурсами, сохраняя при этом минимальный бюджет мощности. С этой целью наиболее эффективным методом является квантование.


Квантование нейронной сети: что это такое и как оно связано с TinyML?

Эта статья даст базовое понимание квантования, что это такое, как оно используется и почему это важно.

Что такое TinyML

Автор: Mike(admin) от 12-01-2022, 05:55

Машинное обучение — это динамичная и мощная область компьютерных наук, которая проникла почти во все цифровые объекты, с которыми мы взаимодействуем, будь то социальные сети, наши мобильные телефоны, автомобили или даже бытовая техника. Тем не менее, еще есть много мест, куда машинное обучение хотело бы попасть, но ему трудно добраться. Это связано с тем, что многие современные модели машинного обучения требуют значительных вычислительных ресурсов и энергопотребления для выполнения логического вывода.


Что такое TinyML

Потребность в высокопроизводительных вычислительных ресурсах привела к ограничению многих приложений машинного обучения облачными вычислениями, где легко доступны вычисления на уровне центра обработки данных. Чтобы позволить машинному обучению расширить свои возможности и открыть новую эру в данном направлении, мы должны найти способы упростить реализацию машинного обучения на небольших устройствах с более ограниченными ресурсами. Это стремление привело к созданию области, известной как Tiny Machine Learning (компактное машинное обучение) или TinyML (термин, зарегистрированный под торговой маркой TinyML Foundation, который стал синонимом технологии).

Исследователи заявляют о рекордной скорости нового оптического нейроморфного чипа

Автор: Mike(admin) от 20-01-2021, 03:05

По словам исследователей из Технологического университета Суинберна, новый тип оптического нейроморфного процессора может работать более чем в 1000 раз быстрее, чем любой предыдущий тип процессора.


Исследователи заявляют о рекордной скорости нового оптического нейроморфного чипа

Новый микроконтроллер ESP32-S3 от Espressif добавляет функции искусственного интеллекта для устройств Интернета вещей

Автор: Mike(admin) от 11-01-2021, 05:35

Недавно появились отличные новости для поклонников ESP32. Экосистема вездесущих микроконтроллеров для Интернета вещей (IoT) получает нового члена семьи – ESP32-S3! Последнее новшество Espressif включает обновленный двухъядерный микроконтроллер, расширенный функционал GPIO, новые инструкции, ориентированные на искусственный интеллект (ИИ), и функции безопасности с аппаратным ускорением.


ESP32-S3

Восходящий тренд 2020 года с перспективами на 2021 – искусственный интеллект на периферии

Автор: Mike(admin) от 31-12-2020, 21:55

В 2020 году многие компании выпустили флагманские устройства с низким энергопотреблением, чтобы вывести искусственный интеллект (ИИ) для работы в периферийных узлах.


Восходящий тренд 2020 года с перспективами на 2021 – искусственный интеллект на периферии

Обзор видеоредактора InVideo с возможностями искусственного интеллекта

Автор: Mike(admin) от 17-12-2020, 01:55

Сегодня в мире насчитывается большое количество разнообразных видеоредакторов, но не все они настолько хороши, как кажутся на первый взгляд, и не все обладают необходимыми функциями для решения многочисленных задач по редактированию видео.

Ускоритель ИИ M1108 AMP от Mythic – первый в отрасли аналоговый матричный процессор

Автор: Mike(admin) от 15-12-2020, 03:15

Компания Mythic анонсировала чип ускорителя искусственного интеллекта M1108 AMP, который представляет собой технологию вычислений в памяти, основанную на 40-нм техпроцессе, и считается первым в отрасли аналоговым матричным процессором (AMP). Что касается AMP, Mythic говорит, что Mythic AMP разработан как массив вычислительных блоков.


Ускоритель ИИ M1108 AMP от Mythic

Новый пакет расширения STM32Cube предназначен для мониторинга состояния оборудования на основе искусственного интеллекта

Автор: Mike(admin) от 2-12-2020, 03:35

Octonion SA, компания, занимающаяся глубокими технологиями разработки программного обеспечения, специализирующаяся на искусственном интеллекте (ИИ) для периферийной диагностики промышленного оборудования, анонсировала пакет расширения STM32Cube, оптимизированный для плат разработки промышленных приложений на базе микроконтроллера STM32L4+. Данное решение позволяет поставщикам промышленного оборудования быстро оценивать встроенные модели искусственного интеллекта Octonion, выполняя обучение непосредственно на микроконтроллерах STM32.


Octonion

Как обучить многослойную нейронную сеть

Автор: Mike(admin) от 5-02-2020, 13:35

Из предыдущих статей по нейронным сетям вы узнали о классификации данных с использованием простых нейронных сетей на основе персептрона. Но мы можем значительно повысить производительность персептрона, добавив слой скрытых узлов, но эти скрытые узлы также усложняют обучение. В этом материале будут даны основы обучения многослойной нейронной сети.


Как обучить многослойную нейронную сеть

Предыдущая статья продемонстрировала, что однослойный персептрон просто не может обеспечить производительность, которую мы ожидаем от современной архитектуры нейронных сетей. Система, ограниченная линейно разделяемыми функциями, не сможет аппроксимировать сложные отношения ввода-вывода, которые возникают в реальных сценариях обработки сигналов. Решение представляет собой многослойный персептрон, такой как приведенный далее.


Назад Вперед
Наверх