產(chǎn)品中心 應(yīng)用方案 技術(shù)文摘質(zhì)量保證產(chǎn)品選型 下載中心業(yè)內(nèi)動態(tài) 選型幫助 品牌介紹 產(chǎn)品一覽 聯(lián)系我們
- 傳感器的機器學習
- 來源:賽斯維傳感器網(wǎng) 發(fā)表于 2020/11/9
AIfES演示器,用于手寫識別。手寫在PS / 2觸摸板上的數(shù)字由微控制器識別并輸出。圖片來源:Fraunhofe
如今,從洗衣機到血壓計和可穿戴設(shè)備,幾乎所有技術(shù)設(shè)備中都可以找到微控制器。弗勞恩霍夫大學微電子電路與系統(tǒng)研究所的研究人員開發(fā)了AIfES,這是一種用于微控制器和傳感器的人工智能(AI)概念,其中包含一個完全可配置的人工神經(jīng)網(wǎng)絡(luò)。AIfES是一個獨立于平臺的機器學習庫,可用于實現(xiàn)無需連接到云或高性能計算機的自學習微電子學。與傳感器相關(guān)的AI系統(tǒng)可以識別手寫和手勢,例如,當庫在可穿戴設(shè)備上運行時,可以控制輸入的手勢。
當前存在多種用于機器學習的軟件解決方案,但通常它們僅適用于PC,并且基于Python編程語言。仍然沒有解決方案可以執(zhí)行和訓練神經(jīng)網(wǎng)絡(luò)在諸如微控制器的嵌入式系統(tǒng)上。盡管如此,直接在嵌入式系統(tǒng)中進行訓練還是很有用的,例如當植入的傳感器要自我校準時。視覺是與傳感器相關(guān)的AI,可以直接集成到傳感器系統(tǒng)中。Fraunhofer IMS的一組研究人員以AIfES(嵌入式系統(tǒng)人工智能)的形式實現(xiàn)了這一愿景,AIfES是一種用C編程的機器學習庫,可以在微控制器上運行,也可以在其他平臺(例如PC,Raspberry PI)上運行和Android。該庫當前包含一個完全可配置的人工神經(jīng)網(wǎng)絡(luò)(ANN),必要時它還可以生成用于深度學習的深度網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)是一種嘗試使用算法在數(shù)學上模擬人腦,以使算法可以學習的功能上下文。AIfES已針對嵌入式系統(tǒng)進行了優(yōu)化。
“我們將源代碼降至最低,這意味著可以在微控制器或傳感器(即嵌入式系統(tǒng))上直接訓練ANN。此外,源代碼是通用的,并且可以在幾乎任何平臺上進行編譯。因為始終使用相同的算法,例如在PC上生成的ANN可以輕松地移植到微控制器。到目前為止,使用市售軟件解決方案無法以這種形式實現(xiàn),” Fraunhofer IMS研究助理Pierre Gembaczka博士說。
保護隱私
Fraunhofer IMS的與傳感器相關(guān)的AI的另一個獨特的合格功能:到目前為止,人工智能和神經(jīng)網(wǎng)絡(luò)已主要用于圖像處理和語音識別,有時數(shù)據(jù)會離開本地系統(tǒng)。例如,語音配置文件是在外部服務(wù)器上的云中處理的,因為本地系統(tǒng)的計算能力并不總是足夠的!霸诖诉^程中很難保護隱私,并且會傳輸大量數(shù)據(jù)。這就是為什么我們選擇了不同的方法,而放棄了云中的機器學習過程,而直接在嵌入式系統(tǒng)中使用機器學習的原因。
由于沒有敏感數(shù)據(jù)離開系統(tǒng),因此可以保證數(shù)據(jù)保護并顯著減少要傳輸?shù)臄?shù)據(jù)量,” Fraunhofer IMS的“嵌入式系統(tǒng)”部門經(jīng)理Burkhard Heidemann說,“當然,不可能實現(xiàn)深層的在嵌入式系統(tǒng)上學習模型,因此我們正在加大努力以進行優(yōu)雅的特征提取以減少輸入信號!蓖ㄟ^將AI直接嵌入微控制器中,研究人員可以為設(shè)備提供附加功能,而無需用于昂貴的硬件修改。
AIfES演示器,用于手寫識別。所有功能都已集成在Arduino UNO上,它可以讀取觸摸板的傳感器值,執(zhí)行數(shù)字識別并將結(jié)果輸出到顯示屏。圖片來源:Fraunhofer-Gesellschaft
減少數(shù)據(jù)
AIfES并不專注于處理大量數(shù)據(jù),而是僅傳輸構(gòu)建非常小的神經(jīng)網(wǎng)絡(luò)所需的數(shù)據(jù)!拔覀儾蛔裱幚泶髷(shù)據(jù)的趨勢;我們堅持絕對必要的數(shù)據(jù),并在嵌入式系統(tǒng)中創(chuàng)建一種微智能,可以解決有問題的任務(wù)。我們開發(fā)了新的特征提取和新功能。針對每個問題的數(shù)據(jù)預處理策略,以便我們可以實現(xiàn)最小的人工神經(jīng)網(wǎng)絡(luò)。這使對控制器本身的后續(xù)學習成為可能! Gembaczka解釋說。
該方法已經(jīng)以若干示威者的形式付諸實踐。例如,如果研究團隊在便宜的8位微控制器(Arduino Uno)上實現(xiàn)了手寫數(shù)字的識別。通過開發(fā)創(chuàng)新的特征提取方法,這在技術(shù)上成為可能。另一個演示者能夠識別空中復雜的手勢。IMS科學家在這里開發(fā)出了一個系統(tǒng),該系統(tǒng)由一個微控制器和一個絕對方位傳感器組成,該傳感器可以識別空中寫的數(shù)字。研究人員指出:“一種可能的應(yīng)用是可穿戴設(shè)備的操作! “為了使這種通信有效,各個人多次將數(shù)字寫成1到9。神經(jīng)網(wǎng)絡(luò)接收到這些訓練數(shù)據(jù),從中學習并在下一步中獨立識別數(shù)字。而且?guī)缀跛袛?shù)字都可以訓練,而不僅僅是數(shù)字!边@消除了使用以下方法控制設(shè)備的需求語音識別:可穿戴設(shè)備可以通過手勢進行控制,并且用戶的隱私得到保護。
AIfES的潛在應(yīng)用實際上沒有任何限制:例如,具有集成手勢識別功能的腕帶可用于控制室內(nèi)照明。而且,AIfES不僅可以識別手勢,還可以監(jiān)視手勢的完成程度。無需教練或治療師即可評估物理療法和健身中的運動和動作。由于不使用相機或云,因此可以保持隱私。AIfES可用于各種領(lǐng)域,例如汽車,醫(yī)藥,智能家居和工業(yè)4.0。
分散式人工智能
AIfES還有更多優(yōu)勢:該庫可以分散計算能力,例如,允許小型嵌入式系統(tǒng)在處理之前接收數(shù)據(jù)并將結(jié)果傳遞給上級系統(tǒng)。這大大減少了要傳輸?shù)臄?shù)據(jù)量。另外,有可能實現(xiàn)一個小型的具有學習能力的系統(tǒng)網(wǎng)絡(luò),這些系統(tǒng)在自己之間分配任務(wù)。
深度學習
AIfES當前包含具有前饋結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò),該結(jié)構(gòu)也支持深度神經(jīng)網(wǎng)絡(luò)。Gembaczka說:“我們對解決方案進行了編程,以便我們可以描述具有一個功能的完整網(wǎng)絡(luò)! 整合附加網(wǎng)絡(luò)形式和結(jié)構(gòu)目前正在開發(fā)中。此外,除其他學習算法和演示器外,研究人員及其同事還開發(fā)了神經(jīng)網(wǎng)絡(luò)的硬件組件。Fraunhofer IMS當前正在研究RISC-V微處理器,該處理器將具有專門用于神經(jīng)網(wǎng)絡(luò)的硬件加速器。正在為此硬件優(yōu)化AIfES的特殊版本,以便最佳利用資源。
- 如果本文收錄的圖片文字侵犯了您的權(quán)益,請及時與我們聯(lián)系,我們將在24內(nèi)核實刪除,謝謝!