NanoEdge? AI Studio*（NanoEdgeAIStudio）是一種新型機(jī)器學(xué)習(xí)（ML）技術(shù)，可以讓終端用戶輕松享有真正的創(chuàng)新成果。只需幾步，開發(fā)人員便可基于最少量的數(shù)據(jù)為其項(xiàng)目創(chuàng)建最佳ML庫。
*附件：nanoedgeaistudio.pdf
軟件下載：https://stm32ai.st.com/download-nanoedgeai/

演示版可免費(fèi)試用三個(gè)月。專業(yè)版為嵌入式開發(fā)人員提供了按年度的單個(gè)或團(tuán)隊(duì)許可。

為幫助用戶啟動其項(xiàng)目，意法半導(dǎo)體推出了Edge AI Sprint包，以限制風(fēng)險(xiǎn)和投資，同時(shí)提高成功幾率。這是包括培訓(xùn)課程、NanoEdge? AI Studio許可證和技術(shù)支持的打包服務(wù)。

檢查數(shù)據(jù)摘要中的訂購信息部分，以了解更多信息，或聯(lián)系意法半導(dǎo)體銷售辦事處或授權(quán)業(yè)務(wù)合作伙伴，以處理訂單。

NanoEdge? AI Studio也可簡稱為Studio，是面向開發(fā)人員的基于PC的按鍵式開發(fā)工作組合，可運(yùn)行在Windows ^?^ 或Linux^?^ Ubuntu ^?^ 上。

NanoEdge? AI Studio的一大優(yōu)勢是無需專門的數(shù)據(jù)科學(xué)技能即可使用。任何使用Studio的軟件開發(fā)人員無需人工智能(AI)技能，即可通過其用戶友好的環(huán)境創(chuàng)建最佳ML庫。

Studio可生成四種類型的庫：異常檢測、異常值檢測、分類和回歸庫。

異常檢測庫由顯示正常和異常行為的最小數(shù)量的數(shù)據(jù)示例生成。在創(chuàng)建后，可將庫加載到微控制器，以直接在設(shè)備上進(jìn)行訓(xùn)練和推理。庫通過從本地采集的數(shù)據(jù)來學(xué)習(xí)設(shè)備行為，并適應(yīng)每種設(shè)備行為。完成訓(xùn)練后，庫推理過程將來自設(shè)備的數(shù)據(jù)與本地創(chuàng)建的模型進(jìn)行比較，以識別和報(bào)告異常。

異常值檢測可用于通過某類分類法檢測任何異常。無需異常行為示例。將正常信號導(dǎo)入Studio并輕松創(chuàng)建優(yōu)化的異常值檢測ML庫。

分類庫可用于對數(shù)據(jù)集合進(jìn)行分類，代表不同類型的設(shè)備缺陷（如軸承問題、空化問題或其他問題）或設(shè)備環(huán)境中不同類型的事件。將信號導(dǎo)入Studio，只需幾步即可創(chuàng)建ML分類庫，以便將所有信息收集到單個(gè)庫中。在微控制器上運(yùn)行時(shí)，分類器會分析實(shí)時(shí)數(shù)據(jù)并指示與此靜態(tài)信息的相似度（百分比）。

回歸算法可用于推理數(shù)據(jù)和預(yù)測未來的數(shù)據(jù)模式。將信號與目標(biāo)值導(dǎo)入到桌面工具中，并通過幾個(gè)步驟來生成智能庫，以改進(jìn)能源管理或預(yù)測設(shè)備的剩余壽命。

這些庫可組合和鏈接：用于檢測設(shè)備問題的異?；虍惓Ｖ禉z測、用于識別問題來源的分類、用于推理信息和為維護(hù)團(tuán)隊(duì)提供實(shí)際見解的回歸分析。

輸入信號可能為振動、壓力、聲音、磁場、飛行時(shí)間等，也可能為多個(gè)信號的組合?？蓪⒍鄠€(gè)傳感器組合到單個(gè)庫中，或同時(shí)使用多個(gè)庫。

學(xué)習(xí)和推導(dǎo)均通過NanoEdge? AI自主學(xué)習(xí)庫直接在微控制器內(nèi)部進(jìn)行，能夠簡化AI流程，并大大節(jié)省開發(fā)工作量與成本，從而縮短上市周期。

• 所有功能

  

  • 用于設(shè)計(jì)和生成STM32優(yōu)化庫：異常和異常值檢測、特征分類、時(shí)間和多變量信號推理
    • 異常檢測庫使用非常小的數(shù)據(jù)集設(shè)計(jì)：直接在STM32微控制器上學(xué)習(xí)異常并實(shí)時(shí)檢測缺陷
    • 用于異常值檢測的特定類分類庫，采用非常小的數(shù)據(jù)集：在設(shè)備正常運(yùn)行期間采集數(shù)據(jù)并檢測任何異常模式偏差
    • 采用非常小的帶標(biāo)簽數(shù)據(jù)集的N類分類庫：對信號進(jìn)行實(shí)時(shí)分類
    • 借助回歸庫使用小型分段數(shù)據(jù)集進(jìn)行推理：基于以前從未見過的數(shù)據(jù)模式預(yù)測未來的值
  • 支持任何類型的傳感器：振動、磁力計(jì)、電流、電壓、多軸加速度計(jì)、溫度、聲學(xué)等
  • 從數(shù)百萬種可能的算法中進(jìn)行篩選，以找到在準(zhǔn)確性、保密性、推理時(shí)間和內(nèi)存占用方面最優(yōu)的庫
  • 生成代碼量極少的庫，甚至能夠在最小的Arm^?^ Cortex ^?^ -M0微控制器上運(yùn)行
  • 嵌入式仿真器，可通過連接的STM32板或測試數(shù)據(jù)文件實(shí)時(shí)測試庫性能
  • 原生支持STM32開發(fā)板，無需配置
  • 可以跨各種STM32微控制器系列輕松移植
    
    NanoEdge? AI Studio文檔： https://wiki.st.com/stm32mcu/wiki/Category:NEAI_-_Documentation

  NanoEdge? AI Studio教程：https://wiki.st.com/stm32mcu/wiki/Category:NEAI_-_Tutorials