Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
DESIGN ELEKTRONIK 03 2023 6 www designelektronik de Software Künstliche Intelligenz Arm und das Arm-Ökosystem bieten Softwarekomponenten und Entwicklungswerkzeuge an um den Entwicklungsprozess von ML-Anwendungen zu erleichtern Grundlegende Software wie CMSIS-NN ist für die gesamte Palette der Cortex-M-Prozessoren optimiert und lässt sich mit gängigen ML-Frameworks wie TensorFlow Lite für Mikrocontroller integrieren Die Signalaufbereitung der Sensoreingänge kann mit CMSIS-DSP-Basisalgorithmen beschleunigt werden Mit diesen Softwarekomponenten kann ein ML-Algorithmus effizient erstellt werden und der Großteil der Software kann geräteunabhängig und hardwareunabhängig ent-Bild Ded Mity ay s to ck a do be c om ML-Software-Stacks sind der Schlüssel für die Implementierung des maschinellen Lernens Mikrocontroller stellen spezielle Hardware-Einheiten für die Implementierung bereit Dadurch sind selbst Bilderkennung oder Sensorfusion auf »kleinen« Systemen möglich Herausfordernd sind die Auswahl des richtigen Prozessors und die Identifizierung geeigneter Algorithmen Von Reinhard Keil und Matthias Hertel wickelt werden Arm Virtual Hardware AVH ist eine flexible Entwicklungsund Verifikationsplattform Sie lässt sich in MLOps-Frameworks wie TDK Qeexo integrieren und ermöglicht die Abschätzung der erforderlichen Rechenleistung was bei der Auswahl eines ressourcenund kostenoptimierten Mikrocontrollers hilft ML erschließt neue Einsatzgebiete Die Möglichkeiten des maschinellen Lernens sind enorm und die Technologie entwickelt sich ständig weiter was Innovationen in vielen neuen Bereichen ermög - licht Etabliert haben sich z Bvoraus - schauende Wartung Bilderkennung in der Fabrikautomation oder die Unterstützung bei der Diagnose medizinischer Behandlungen Auch bei Robotern werden zur Wahrnehmung und zum Verständnis der Umgebung der Erkennung von Objekten Erkennung von Hindernissen und Verfolgung von Personen zunehmend ML-Algorithmen eingesetzt Für Modelle des maschinellen Lernens ist in der Regel eine große Menge zuverlässiger Daten erforderlich damit die Modelle genaue Vorhersagen machen können Beim Training eines maschinellen Lernmodells müssen Ingenieure eine große und repräsentative Datenmenge sammeln Machine Learning auf Edge-Geräten