人工智能與機器學(xué)習(xí)助飛IoT創(chuàng)新應(yīng)用
[導(dǎo)讀]將人工智能（AI）和機器學(xué)習(xí)（ML）集成到邊緣設(shè)備是物聯(lián)網(wǎng)領(lǐng)域最受期待的發(fā)展之一。可訓(xùn)練、可操作、能夠從環(huán)境中提取信息和學(xué)習(xí)的智能設(shè)備正在變得更加具有情境意識，最終變得更加有用。在邊緣位置執(zhí)行人工智能具有顯著的優(yōu)勢，包括低延遲、減少帶寬、更低的功耗和成本，以及隱私和安全。人工智能...
將人工智能（AI）和機器學(xué)習(xí)（ML）集成到邊緣設(shè)備是物聯(lián)網(wǎng)領(lǐng)域最受期待的發(fā)展之一?？捎?xùn)練、可操作、能夠從環(huán)境中提取信息和學(xué)習(xí)的智能設(shè)備正在變得更加具有情境意識，最終變得更加有用。在邊緣位置執(zhí)行人工智能具有顯著的優(yōu)勢，包括低延遲、減少帶寬、更低的功耗和成本，以及隱私和安全。人工智能可以通過小型微控制器來達成功能，從而在邊緣節(jié)點實現(xiàn)更好的決策。
?將嵌入式智能添加到物聯(lián)網(wǎng)設(shè)備將為制造商創(chuàng)造新的機會—這是Silicon Labs (亦稱“芯科科技”)與人工智能和機器學(xué)習(xí)應(yīng)用領(lǐng)先供應(yīng)商SensiML合作的核心所在。Silicon Labs提供完整的無線和MCU產(chǎn)品系列，并可搭配Thunderboard Sense 2 高級物聯(lián)網(wǎng)開發(fā)套件快速評估產(chǎn)品項目以建立原型設(shè)計。探索相關(guān)解決方案：https://cn.silabs.com/solutions/artificial-intelligence-machine-learning?人工智能和機器學(xué)習(xí)可為物聯(lián)網(wǎng)邊緣節(jié)點的開發(fā)人員帶來諸多益處：
- 顯著節(jié)約成本
- 減少帶寬使用
- 設(shè)計時間更快
- 設(shè)計尺寸更小，并能低功耗運行
- 數(shù)據(jù)隱私和安全性更高
SensiML Analytics Studio和Silicon Labs的無線SoC和MCU的結(jié)合，將使開發(fā)人員有可能增加功能，降低復(fù)雜性，并利用低功耗、低成本、占地面積小的設(shè)計。SensiML分析工具包套件自動創(chuàng)建優(yōu)化的人工智能物聯(lián)網(wǎng)傳感器識別代碼的每一步過程。?人工智能和機器學(xué)習(xí)有什么區(qū)別?人工智能和機器學(xué)習(xí)都與同一種計算機科學(xué)有關(guān)。但是，盡管許多人傾向于交替使用它們，它們確實有不同的含義。
自動化機器學(xué)習(xí)的好處及其工作原理當(dāng)涉及到需要專門背景的任務(wù)時，自動構(gòu)建機器學(xué)習(xí)模型的過程為開發(fā)人員帶來了許多好處。例如，在沒有自動機器學(xué)習(xí)或AutoML的情況下，以下任務(wù)留給建模者根據(jù)自己對問題的理解、所需的模型性能以及最關(guān)鍵的是他們在正確應(yīng)用信號處理和機器學(xué)習(xí)分類器方面的專業(yè)知識來確定：
- 輸入數(shù)據(jù)中感興趣區(qū)域的分割
- 確定需要哪些預(yù)處理和特征變換來將原始輸入數(shù)據(jù)轉(zhuǎn)換為分類器的合適輸入向量
- 選擇使用哪種類型的機器學(xué)習(xí)分類器來提供最佳結(jié)果
- 模型參數(shù)優(yōu)化與超參數(shù)整定
- 評估進一步提高模型性能的后處理需求
下載文檔
