有没有可运行在单片机的AI算法，简单的那种

发表于 2024-6-22 22:11

比如，可根据实际运行的反馈校正原来的控制算法的算法。

发表于 2024-6-24 16:44

tinyml

发表于 2024-7-9 13:51

我记得现在新唐的MCU应该性能可以了，运行个简单的AI估计也可以吧

发表于 2024-7-9 16:00

是的，有一些简单的AI算法可以运行在资源受限的单片机（MCU）上。这些算法通常是专门为嵌入式系统设计的，它们在计算复杂度和内存需求上进行了优化，以便能够在小型MCU上运行。

发表于 2024-7-9 18:00

决策树是一种基本的机器学习算法，它通过一系列的决策规则来进行分类或回归。决策树的结构相对简单，易于理解和实现，适合在单片机上运行。

发表于 2024-7-9 20:00

k-NN是一种简单的分类和回归算法，它通过计算输入数据点与训练数据集中各个点的距离来进行预测。虽然k-NN在大型数据集上可能计算量大，但在小型数据集和简单的应用场景中，它可以在单片机上有效运行。

发表于 2024-7-9 22:00

线性回归是一种基本的统计学习方法，用于预测连续值输出。它的计算相对简单，只需要进行基本的矩阵运算，因此适合在单片机上实现。

发表于 2024-7-10 02:00

逻辑回归是一种用于分类问题的线性模型。它的计算复杂度不高，可以在单片机上运行，尤其是在二分类问题中。

发表于 2024-7-10 04:00

朴素贝叶斯是一种基于贝叶斯定理的简单分类算法，它假设特征之间相互独立。这种算法的计算量相对较小，适合在单片机上实现。

发表于 2024-7-10 13:00

虽然深度神经网络通常需要大量的计算资源，但一些简单的神经网络，如单层感知器或多层感知器（MLP），可以在单片机上运行，尤其是在网络结构简单且参数数量有限的情况下。

发表于 2024-7-10 15:00

为了在单片机上运行这些AI算法，通常需要使用专门的库或框架，如TensorFlow Lite for Microcontrollers、TinyML、MicroMLGen等，这些工具旨在优化AI模型以适应嵌入式设备的资源限制。

发表于 2024-7-10 19:00

在选择和实现这些算法时，需要考虑单片机的处理能力、内存大小和功耗限制。此外，还需要对模型进行量化和剪枝等优化技术，以进一步减少计算需求和内存占用。

[技术问答] 有没有可运行在单片机的AI算法，简单的那种