最大限度地减少算法占用空间并在AI网络边缘进行训练
数据处理当然不是一个新概念，算法也不是。然而，算法被训练和运行的地方正在迅速发展。近年来，机器学习（ml）算法的训练基本上是在云环境中进行的，因为能够利用临时计算资源来执行这些数据密集型任务。
如今，人们大力推动尽可能靠近源头处理数据。这是由于物联网（iot）和现在正在生成大量数据的各种技术的出现。所有这些数据都让组织争先恐后地以经济高效的方式充分利用它。组织需要考虑从原始源到处理位置的数据传输成本，以及存储和处理数据的成本，这通常是在资源密集型服务器/云环境中。
人工智能 （ai） 技术开始出现，可以在低计算功率设备（如基于 esp32 和 cortex m4 的微控制器单元 （mcu））上实现 ml 模型训练和执行，而不是更大的微处理器单元 （mpu）。这允许数据保持本地，并且仅在必要时在云中传输已处理的数据。
通过将训练和运行 ml 模型的总体占用空间要求降低到 100kb 以下，嵌入式计算中的 ai 正在进入一个新的领域。例如，与合并排序算法相比，嵌入式算法工程师更欢迎气泡排序算法，因为前者使用现有内存。尽管已经存在许多算法，但正在针对嵌入式环境开发和优化新的基于ai的时间序列预测算法。通过这种新方法，ai/ml模型在嵌入式板上进行训练。然后，这些模型用于在执行期间执行多变量统计推断。
这些新的基于ai的时间序列预测算法有三个优点：
该解决方案与网络延迟无关，因为计算是在本地板上进行的，因此性能得到了提高。
原始数据的安全/隐私得到保证，因为原始信号/数据只出现在本地。
对于每个嵌入式板，都会训练一个新的 ml/ai 模型。这可能是这种方法的核心优势，因为在典型的工业案例中，由于环境变体、传感器的缺陷和机器变体，不可能使用单个 ml/ai 模型来覆盖机器特征集群。使用云服务器为每个嵌入式板训练模型也不是负担得起的。
技术突破
算法在嵌入式计算中发挥着重要作用。通常，嵌入式设备执行的算法任务包括传感器数据清理/过滤、数据编码/解码和控制信号生成。由于内存容量、cpu 功率和架构不同，嵌入式计算环境中“最佳算法”的定义可能与 pc 和云服务器中“最佳算法”的定义大不相同。
在过去的几年里，ai/ml算法取得了突破和非常迅速的进步。许多努力都集中在将ai / ml模型（这些模型在其他地方训练）引入嵌入式上下文。换句话说，要成功部署 ai/ml 模型，需要优化算法的内存/cpu 使用率和功耗。
人工智能正在缩小，可以运行这些高级算法。技术进步现在允许人工智能和预测性维护从基于 mpu 的设备转向基于 mcu 的设备，占用空间小，价格显著降低。基于 mcu 的设备现在可以在网络边缘执行以前仅在 mpu 上提供的任务（例如预测性维护）。这一新功能使芯片制造商、原始设备制造商 （oem） 和智能设备制造商能够降低成本并提供差异化的产品。
解析经典电动车电源转换器电路
荣耀畅玩6x评测：麒麟655外加双摄加持
塞班系统为什么比不上安卓
Ebo推出智能伴侣机器人 可用于远程监控猫咪并跟踪
微软的下世代Xbox开发机代号为“Anaconda”
最大限度地减少算法占用空间并在AI网络边缘进行训练
今年底13个地区输配电价将正式公布
服务机器人市场一片蓝海 两主线锁定投资机遇
！！卖/买 R3765C 网络分析仪 R3765CH 谭艳飞
汽车产业的大变革中，5G技术或成为关键一环
专访阿里数据库备份专家 教你pick最有效的备份系统
三星发布最新款配备触控笔的Chromebook笔记本
电池重物冲击试验机使用过程中需要注意的事项-电池安全检测设备
PowerTag利用EFR32平台实现节能优势
基于FPGA的LCD显示的远程更新的优越性分析
基于VRS51L3074和DS12887的电子日历时钟设计方
深圳无人机反制技术的特点
关于手持式植物养分速测仪的简单介绍
小米杀手Honor正面真机图像出现
泰克SuperSpeed为NEC电子获得USB 3.0认证
如今，人们大力推动尽可能靠近源头处理数据。这是由于物联网（iot）和现在正在生成大量数据的各种技术的出现。所有这些数据都让组织争先恐后地以经济高效的方式充分利用它。组织需要考虑从原始源到处理位置的数据传输成本，以及存储和处理数据的成本，这通常是在资源密集型服务器/云环境中。
人工智能 （ai） 技术开始出现，可以在低计算功率设备（如基于 esp32 和 cortex m4 的微控制器单元 （mcu））上实现 ml 模型训练和执行，而不是更大的微处理器单元 （mpu）。这允许数据保持本地，并且仅在必要时在云中传输已处理的数据。
通过将训练和运行 ml 模型的总体占用空间要求降低到 100kb 以下，嵌入式计算中的 ai 正在进入一个新的领域。例如，与合并排序算法相比，嵌入式算法工程师更欢迎气泡排序算法，因为前者使用现有内存。尽管已经存在许多算法，但正在针对嵌入式环境开发和优化新的基于ai的时间序列预测算法。通过这种新方法，ai/ml模型在嵌入式板上进行训练。然后，这些模型用于在执行期间执行多变量统计推断。
这些新的基于ai的时间序列预测算法有三个优点：
该解决方案与网络延迟无关，因为计算是在本地板上进行的，因此性能得到了提高。
原始数据的安全/隐私得到保证，因为原始信号/数据只出现在本地。
对于每个嵌入式板，都会训练一个新的 ml/ai 模型。这可能是这种方法的核心优势，因为在典型的工业案例中，由于环境变体、传感器的缺陷和机器变体，不可能使用单个 ml/ai 模型来覆盖机器特征集群。使用云服务器为每个嵌入式板训练模型也不是负担得起的。
技术突破
算法在嵌入式计算中发挥着重要作用。通常，嵌入式设备执行的算法任务包括传感器数据清理/过滤、数据编码/解码和控制信号生成。由于内存容量、cpu 功率和架构不同，嵌入式计算环境中“最佳算法”的定义可能与 pc 和云服务器中“最佳算法”的定义大不相同。
在过去的几年里，ai/ml算法取得了突破和非常迅速的进步。许多努力都集中在将ai / ml模型（这些模型在其他地方训练）引入嵌入式上下文。换句话说，要成功部署 ai/ml 模型，需要优化算法的内存/cpu 使用率和功耗。
人工智能正在缩小，可以运行这些高级算法。技术进步现在允许人工智能和预测性维护从基于 mpu 的设备转向基于 mcu 的设备，占用空间小，价格显著降低。基于 mcu 的设备现在可以在网络边缘执行以前仅在 mpu 上提供的任务（例如预测性维护）。这一新功能使芯片制造商、原始设备制造商 （oem） 和智能设备制造商能够降低成本并提供差异化的产品。
解析经典电动车电源转换器电路
荣耀畅玩6x评测：麒麟655外加双摄加持
塞班系统为什么比不上安卓
Ebo推出智能伴侣机器人 可用于远程监控猫咪并跟踪
微软的下世代Xbox开发机代号为“Anaconda”
最大限度地减少算法占用空间并在AI网络边缘进行训练
今年底13个地区输配电价将正式公布
服务机器人市场一片蓝海 两主线锁定投资机遇
！！卖/买 R3765C 网络分析仪 R3765CH 谭艳飞
汽车产业的大变革中，5G技术或成为关键一环
专访阿里数据库备份专家 教你pick最有效的备份系统
三星发布最新款配备触控笔的Chromebook笔记本
电池重物冲击试验机使用过程中需要注意的事项-电池安全检测设备
PowerTag利用EFR32平台实现节能优势
基于FPGA的LCD显示的远程更新的优越性分析
基于VRS51L3074和DS12887的电子日历时钟设计方
深圳无人机反制技术的特点
关于手持式植物养分速测仪的简单介绍
小米杀手Honor正面真机图像出现
泰克SuperSpeed为NEC电子获得USB 3.0认证