Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
0 9 2024 Elektronik 35 Mikrocontroller unD Prozessoren Umsetzung von Edge-ML liegen daher nicht so sehr in der Frage »Wo fangen wir an?« sondern vielmehr in der Frage »Wie können wir dies schnell und kostengünstig erreichen?« Die folgenden zehn Überlegungen sollen helfen diese Frage zu beantworten 10 Aspekte Fragen die beachtet beantwortet werden sollten 1 Datenerfassung Bislang wurden die meisten ML-Implementierungen in leistungsstarken Computern oder Cloud-Servern durchgeführt Edge-ML muss jedoch in Embedded-Hardware implementiert werden die sowohl in Hinblick auf Platz als auch auf Leistungsaufnahme Rechenleistung begrenzt ist Der Einsatz intelligenter Sensoren die bereits bei der Datenerfassung eine gewisse Vorverarbeitung der Daten durchführen erleichtert die Organisation und Analyse der Daten da sie die ersten beiden Schritte im ML-Prozessablauf übernehmen Bild 1 Ein intelligenter Sensor kann eine von zwei Arten intelligenter Modelle bedienen solche die für eine einfache Klassifizierung trainiert sind oder solche die für die Lösung regressionsbasierter Probleme trainiert sind 2 Schnittstellen ML-Modelle müssen einsatzfähig sein und das erfordert Schnittstellen zwischen den einzelnen Software-Teilen der Maschine Von der Qualität dieser Schnittstellen hängt es ab wie effizient die Maschine arbeitet und inwieweit sie selbstlernend ist Die Grenzen eines ML-Modells bestehen aus Eingaben und Ausgaben Die Berücksichtigung aller Eingangsmerkmale ist relativ einfach weniger einfach ist es allerdings die Vorhersagen des Modells zu berücksichtigen insbesondere bei einem unbeaufsichtigten System Die Schnittstellen beziehen sich aber auch auf die physische Verbindung zwischen den Elementen der Hardware Dabei kann es sich um einfache Anschlüsse für USB oder externen Speicher handeln aber auch um komplexere Schnittstellen die die Verbindung für Videostreams und benutzerspezifische Eingaben unterstützen Edge-ML-Anwendungen sind per Definition platzenergieund kostenbeschränkt sodass die minimierte Anzahl und Art der Schnittstellen berücksichtigt werden sollte 3 Erstellen optimierter Datensätze Die Verwendung kommerziell verfügbarer Datensätze eine Sammlung von Daten die bereits in einer bestimmten Reihenfolge angeordnet wurden ist eine gute Möglichkeit ein Edge-ML-Entwicklungsprojekt zu beschleunigen Der Datensatz muss für die Verwendung entsprechend dem Zweck des Edge-ML-Geräts optimiert sein Betrachtet man zum Beispiel ein Sicherheitsszenario in dem das Verhalten von Personen überwacht und verdächtiges Verhalten automatisch gekennzeichnet werden soll Wenn Powered by Presented by www wirelesscongress com The Wireless World is roaring It continues to be truly an enabling technology for many applications – from consumer electronics with all its gadgets over smart phones to the many Industrial use cases for the Internet of Everything be it smart metering smart cities environmental monitoring or factory and process automation Matter is gaining momentum Wi-Fi 7 will accelerate highbandwidth applications and 6G development is in its early stage Can Matter keep its promise to ensure universal compatibility? How relevant is Wi-Fi for industrial applications? In which way will 6G evolve? This is just a small selection of possible topics that could be discussed at the Wireless Congress Colocated with electronica fair the Wireless Congress S Ais the ideal international platform for the exchange of experiences and expertise Topics of interest include but are not limited to trends design technology and applications in the following sectors • Technologies • Standards • Applications • Systems Until May 17 2024 | Free entrance for speakers CALL FOR PAPERS 13 -14 November 2024 ICM Munich in parallel with