你的位置:首頁(yè) > 互連技術(shù) > 正文

可識(shí)別時(shí)間序列數(shù)據(jù)趨勢(shì)的嵌入式人工智能系統(tǒng)

發(fā)布時(shí)間:2024-08-23 責(zé)任編輯:lina

【導(dǎo)讀】技術(shù)創(chuàng)新通常會(huì)在幾十年內(nèi)掀起改變?nèi)祟惿畹睦顺保弘娏?、?jì)算機(jī)、互聯(lián)網(wǎng)。最近的浪潮是人工智能 (AI)。自誕生以來(lái),人工智能主要局限于大型計(jì)算平臺(tái)。然而,先進(jìn)處理器技術(shù)和高效人工智能網(wǎng)絡(luò)的融合帶來(lái)了突破性創(chuàng)新,使人工智能可以在嵌入式系統(tǒng)中運(yùn)行。這些系統(tǒng)通常配備專門(mén)的人工智能專用處理器和支持機(jī)器學(xué)習(xí)的傳感器,可實(shí)現(xiàn)前所未有的“邊緣”功能。


技術(shù)創(chuàng)新通常會(huì)在幾十年內(nèi)掀起改變?nèi)祟惿畹睦顺保弘娏?、?jì)算機(jī)、互聯(lián)網(wǎng)。最近的浪潮是人工智能 (AI)。自誕生以來(lái),人工智能主要局限于大型計(jì)算平臺(tái)。然而,先進(jìn)處理器技術(shù)和高效人工智能網(wǎng)絡(luò)的融合帶來(lái)了突破性創(chuàng)新,使人工智能可以在嵌入式系統(tǒng)中運(yùn)行。這些系統(tǒng)通常配備專門(mén)的人工智能專用處理器和支持機(jī)器學(xué)習(xí)的傳感器,可實(shí)現(xiàn)前所未有的“邊緣”功能。


這些功能使預(yù)測(cè)性維護(hù)達(dá)到了新的水平。嵌入式人工智能加速技術(shù)可防患于未然,而無(wú)需人工參與。本文將介紹幾種可在邊緣實(shí)現(xiàn)人工智能算法的新型處理器技術(shù)。


嵌入式人工智能系統(tǒng) 


支持人工智能的微控制器和 MEMS 傳感器是預(yù)測(cè)性維護(hù)人工智能革命的前沿。這些設(shè)備的特點(diǎn)是體積小、功耗低,并且能夠加速與人工智能相關(guān)的特定數(shù)學(xué)函數(shù)。傳統(tǒng)的嵌入式處理器與人工智能內(nèi)核和/或傳感器模塊相結(jié)合,使設(shè)備能夠?qū)崟r(shí)分析和響應(yīng)現(xiàn)實(shí)世界中基于時(shí)間序列的數(shù)據(jù)。在時(shí)間序列數(shù)據(jù)應(yīng)用中實(shí)現(xiàn)嵌入式人工智能有多種方法。但首先…


什么是針對(duì)時(shí)間序列數(shù)據(jù)的人工智能? 


時(shí)間序列數(shù)據(jù)是指在均勻分布的時(shí)間間隔內(nèi)收集、記錄或測(cè)量的一系列數(shù)據(jù)點(diǎn)。通過(guò)時(shí)間序列數(shù)據(jù)點(diǎn),分析人員可以了解數(shù)據(jù)是如何隨時(shí)間演變或變化的。


時(shí)間序列數(shù)據(jù)分析涉及了解數(shù)據(jù)中的模式、趨勢(shì)、異常和行為。人工智能可用于對(duì)未來(lái)值進(jìn)行觀察或預(yù)測(cè),從數(shù)據(jù)中提取真知灼見(jiàn),為決策提供依據(jù)。這類分析可以使用人工智能網(wǎng)絡(luò)來(lái)完成,這就需要了解和選擇處理硬件。


在預(yù)測(cè)性維護(hù)、環(huán)境異常檢測(cè)、物聯(lián)網(wǎng)設(shè)備、多軸運(yùn)動(dòng)等應(yīng)用中,時(shí)間序列數(shù)據(jù)可用于了解數(shù)據(jù)中的模式、趨勢(shì)和行為。利用卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)、長(zhǎng)短期記憶網(wǎng)絡(luò)和門(mén)控遞歸單元等人工智能算法,時(shí)間序列數(shù)據(jù)可用于檢測(cè)預(yù)期結(jié)果或異常結(jié)果。雖然這些機(jī)器學(xué)習(xí)算法可在通用硬件上執(zhí)行,但使用帶有人工智能內(nèi)核的處理器和/或傳感器可減少延遲并提高效率。


包括 Cortex-M 內(nèi)核、NPU、GPU 和嵌入式人工智能傳感器組件在內(nèi)的幾種常見(jiàn)處理器內(nèi)核技術(shù)可用于人工智能時(shí)間序列數(shù)據(jù)分析。這些新處理器技術(shù)與專用人工智能算法的融合正在推動(dòng)嵌入式系統(tǒng)和邊緣計(jì)算領(lǐng)域的創(chuàng)新。從醫(yī)療保健、汽車(chē)、制造、農(nóng)業(yè)等領(lǐng)域的應(yīng)用來(lái)看,嵌入式人工智能處理器正在為更智能、更自主的設(shè)備鋪平道路,這些設(shè)備能夠以前所未有的速度、精度和效率分析真實(shí)世界的數(shù)據(jù)。

可識(shí)別時(shí)間序列數(shù)據(jù)趨勢(shì)的嵌入式人工智能系統(tǒng)

Nanoedge AI Studio 顯示來(lái)自電機(jī)控制應(yīng)用程序的時(shí)間序列數(shù)據(jù)


具有機(jī)器學(xué)習(xí)功能的微控制器


Cortex-M 系列微控制器 (MCU)(從 M0 到 M85)通常是各種應(yīng)用中嵌入式系統(tǒng)處理的支柱,無(wú)論是否執(zhí)行人工智能。不過(guò),由于這些內(nèi)核專為低功耗、實(shí)時(shí)數(shù)據(jù)處理而設(shè)計(jì),因此非常適合嵌入式人工智能硬件解決方案。


例如,采用 32 位 Arm Cortex-M33 的 STMicroelectronics STM32L5 和 NXP MCX-A MCU 都適用于使用簡(jiǎn)單人工智能網(wǎng)絡(luò)的嵌入式系統(tǒng)。雖然這些傳統(tǒng)的 Cortex-M 內(nèi)核在處理傳感器數(shù)據(jù)和簡(jiǎn)單的人工智能處理方面表現(xiàn)出色,但對(duì)于更復(fù)雜的機(jī)器學(xué)習(xí)任務(wù),讓我們來(lái)看看集成了更多內(nèi)核以進(jìn)一步實(shí)現(xiàn)機(jī)器學(xué)習(xí)的微控制器。


圖形處理器 (GPU)


雖然 GPU 主要用于提高 2D(有時(shí)是 3D )圖形性能,但越來(lái)越多的嵌入式人工智能應(yīng)用將 GPU 與 Cortex-M MCU 結(jié)合使用。這些并行處理單元可用于深度學(xué)習(xí)算法,如卷積神經(jīng)網(wǎng)絡(luò) (CNN),以完成圖像識(shí)別和物體檢測(cè)等任務(wù)。例如,STM32U5 采用 Cortex-M33 和 NeoChrome GPU,適合工業(yè)、智慧城市、智能家居和物聯(lián)網(wǎng)應(yīng)用中的人機(jī)界面應(yīng)用或嵌入式人工智能解決方案。



神經(jīng)處理單元 (NPU)

神經(jīng)處理單元 (NPU) 是高度專業(yè)化的內(nèi)核,為加速神經(jīng)網(wǎng)絡(luò)計(jì)算而進(jìn)行了優(yōu)化,使程序能夠在功能上自我學(xué)習(xí)和重新編程。這些內(nèi)核通常與 Cortex-M 處理器一起實(shí)現(xiàn),能夠執(zhí)行比標(biāo)準(zhǔn) Cortex-M 內(nèi)核單獨(dú)運(yùn)行時(shí)更復(fù)雜的神經(jīng)網(wǎng)絡(luò)算法。


例如,NXP 的 MCX-N 結(jié)合了 Arm Cortex-M33 和定制的 eIQ 神經(jīng)處理單元。Alif Semiconductor 的 Ensemble 系列是可用于工業(yè)應(yīng)用的微控制器,將 Arm Cortex-M55 CPU 與 ARM Ethos-U55 神經(jīng)處理單元實(shí)現(xiàn)的專用邊緣人工智能加速相結(jié)合。該系列可提供單 Cortex-M55 或雙 Cortex-M55、單 Ethos-U55 或雙 Ethos-U55,以及可選的一個(gè)或兩個(gè) Cortex-A32 MPU 內(nèi)核。

通過(guò)將人工智能任務(wù)卸載到 NPU,嵌入式系統(tǒng)可以實(shí)現(xiàn)實(shí)時(shí)神經(jīng)網(wǎng)絡(luò)推理,同時(shí)節(jié)省功耗、體積和資源。


帶有嵌入式人工智能內(nèi)核的傳感器

如上所述,嵌入式人工智能應(yīng)用通常使用標(biāo)準(zhǔn) MCU 進(jìn)行數(shù)據(jù)處理的計(jì)算。然而,新的傳感器技術(shù)已將人工智能處理移至 MCU 外部,并將嵌入式人工智能處理內(nèi)核置于傳感器本身,稱為機(jī)器學(xué)習(xí)內(nèi)核 (MLC) 和智能傳感器處理單元 (ISPU)。


帶有嵌入式機(jī)器學(xué)習(xí)核心 (MLC) 的傳感器可以經(jīng)過(guò)訓(xùn)練,在檢測(cè)到特定事件時(shí)觸發(fā)操作,從而能夠精確檢測(cè)變化場(chǎng)景。這樣可以減少 MCU 的計(jì)算負(fù)荷,從而實(shí)現(xiàn)低功耗架構(gòu)并提高系統(tǒng)效率。例如,LSM6DSV16BXTR 是一款帶有 3 軸加速計(jì)和 3 軸陀螺儀的 IMU,它采用 MLC 來(lái)實(shí)現(xiàn)人工智能功能。


另外,傳感器還可以采用智能傳感器處理單元 (ISPU),這是一種專用于高處理能力的集成數(shù)字信號(hào)處理器,可在 ISPU 內(nèi)支持機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)處理。這種核心架構(gòu)可對(duì)內(nèi)部和外部傳感器進(jìn)行人工智能處理,而無(wú)需外部 MCU 來(lái)處理更繁重的計(jì)算。這可用于各種傳感器輸入的自動(dòng)校準(zhǔn)、傳感器融合和異常檢測(cè),而無(wú)需外部 MCU。相反,較小的 MCU 可用于通用微控制器負(fù)載。


結(jié)論


將人工智能應(yīng)用于時(shí)間序列數(shù)據(jù)是一個(gè)令人興奮的發(fā)展領(lǐng)域,有可能為工業(yè)、醫(yī)療保健和消費(fèi)應(yīng)用增加智能。開(kāi)發(fā)人工智能解決方案需要考慮很多因素,選擇處理器只是其中之一。

(文章來(lái)源:Arrow Solution,作者:George Dickey)


免責(zé)聲明:本文為轉(zhuǎn)載文章,轉(zhuǎn)載此文目的在于傳遞更多信息,版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問(wèn)題,請(qǐng)聯(lián)系小編進(jìn)行處理。


推薦閱讀:

解決了!這個(gè)模塊解決了流式細(xì)胞儀設(shè)計(jì)的多個(gè)痛點(diǎn)!

提高垂直分辨率 改善測(cè)量精度

OBC設(shè)計(jì)不斷升級(jí),揭秘如何適應(yīng)更高功率等級(jí)和電壓

利用無(wú)線蜂窩和Wi-Fi信號(hào)發(fā)電!備受期待的射頻能量收集,你了解多少?

如何解決汽車(chē)V2X與多無(wú)線技術(shù)頻譜管理的共存挑戰(zhàn)!

特別推薦
技術(shù)文章更多>>
技術(shù)白皮書(shū)下載更多>>
熱門(mén)搜索
?

關(guān)閉

?

關(guān)閉