[应用相关]

【STM32垂直应用挑战第6周+王小琪学习人工智能AI】

[复制链接]
381|0
手机看帖
扫描二维码
随时随地手机跟帖
王小琪|  楼主 | 2020-12-22 10:46 | 显示全部楼层 |阅读模式
本帖最后由 王小琪 于 2020-12-22 10:59 编辑

1.这次学习的垂直应用是:人工智能AI
学习链接为:https://www.stmcu.com.cn/ecosystem/app/ai

2.内容介绍
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
从下图可以看到我们今天谈论的机器学习和深度学习是人工智能的分支。

209695fe160d55417f.png
机器学习由能够基于数据进行学习和预测的算法组成:
        • 这类算法在前面样本基础上进行训练,以构建和估计模型;
        • 在传统编程不可行的情况下,通常采用机器学习;
        • 如果经过适当的训练,可以适应新的案例应用。
机器学习有不同的实现方法,其中包括常见的:
        • 决策树
        • 聚类
        • 基于规则的学习
        • 归纳逻辑编程
        • 深度学习
        
深度学习是利用神经网络进行的学习。
        • 灵感来自生物神经网络
        • 深度是指有很多中间的学习步骤.
        • 需要大量数据
如下图,神经元网络分以下三个层
624985fe158786ec1a.png

下图为深度学习的优劣势对比:

505445fe158903195c.png
STM32在AI市场的定位和型号分布:
944955fe158a2bd012.png
目前STM32用作AI应用的优势在于:
• 低功耗
• 通用性 (用1颗芯片既满足AI又满足通用需求)
• 丰富的产品系列
• 工业级品质及10年供货保障

下图为ST列出的一些使用场景的应用:
709245fe158b92d71c.png
49895fe158c85f181.png
918525fe158e2d83eb.png

神经网络开发流程如下:

33185fe158f6ce4a7.png
1. 获取数据
2. 数据清洗、打标
3. 训练神经网络模型
4. 将模型转换为MCU上执行的优化代码
5. 使用训练好的模型分析数据

PS:其实人工智能到底应该怎么发展,目前还是众说纷纭,但大家都有一个共识,那就是5G+AI,是日后发展的趋势,谁能够在这一赛道取得领先,谁将能够获得下一个时代的话语权,这也是为什么美国对中国实行贸易制裁的一个原因所在。随着这么几年的发展,在应用上用的最多的可能是智能家居,这算是最简单的人工智能,同时也是最粗浅的人工智能的体现,但是光是这简单的应用体现,都足以让人们的幸福感提高了很多。我心中的人工智能是未来的充满科技感的高度自动化的社会,就好像最近发布的游戏赛博朋克2077里面或者像电影头号玩家里面一样,这是我想象到的AI的最终体现,当然,想要实现它,还是得靠诸多的工程师们去努力,这个时代机会还是很多的,就得看自己能否把握住了。
附件为:如何在OpenMV生态系统中集成STM32Cube.AI生成的代码



如何在OpenMV生态系统中集成STM32Cube.AI生成的代码.pdf

474.46 KB

使用特权

评论回复
发新帖 我要提问
您需要登录后才可以回帖 登录 | 注册

本版积分规则

227

主题

578

帖子

6

粉丝