所有文章 > 正文

弗劳恩霍夫研究所开发的独立AIfES机器学习库,将在微控制器领域上大放异彩

作者: jansfer

时间: 2019-06-04 17:24

目前的机器学习大多只能用于电脑端,还没有在微控制器之类的嵌入式系统上执行和训练神经网络。弗劳恩霍夫微电子电路和系统研究所的研究人员开发了AIfES,这是一种针对微控制器和传感器的人工智能,其中包含一个可配置的人工神经网络。AIfES是一个独立于平台的机器学习库,无需连接到云端或高性能计算机。

图|AIfES手写识别演示器:在PS/2触摸板上手写的数字由微控制器识别和输出

(来源:Fraunhofer-Gesellschaft)

AIfES是一个用C语言编程的机器学习库,可以在微控制器上运行,也可以在其他平台上运行,如PC、Raspberry PI和Android。该库目前包含一个完全可配置的人工神经网络(ANN),还可以在必要时生成深度学习网络。通过将源代码减少到最小,神经网络在微控制器上可以直接进行训练。由于使用相同的算法,在PC上生成的ANN也很容易移植到微控制器。

在进行云计算过程中的数据传输很难保证隐私安全,AIfES是一个本地的系统,没有敏感数据离开系统,数据安全可以得到保证。Burkhard Heidemann说: “虽然在嵌入式系统上实现巨大的深度学习模型是不可能的,但我们在加大对数据的处理能力,筛选必要数据,减少输入信号。”

图|AIfES手写识别演示器:所有功能都集成在Arduino UNO上,它读取触摸板的传感器值,执行数字识别并将结果输出到显示屏

(来源:Fraunhofer-Gesellschaft)

AIfES并不专注于处理大量数据,而是只传输必要的数据。”我们没有朝着处理大数据的趋势,而是坚持使用必要的数据,并在嵌入式系统中创建一种可解决问题的微智能。针对每个问题,我们开发了新的特征提取和新的数据预处理策略,以实现最小的神经网络。这使得以后可以在控制器本身上学习。”Gembaczka解释道。研究小组在一个8位微控制器(Arduino Uno)上实现了手写数字识别,这是通过开发一种创新的特征提取方法在技术上实现的。研究小组还开发了一个由微控制器和绝对方位传感器组成的系统,可以识别复杂手势,这项技术的一个潜在应用是可穿戴设备。这可以消除使用语音识别来控制设备的必要性:可穿戴设备可以通过手势来控制,用户的隐私仍然受到保护。

AIfES的应用广泛,如:集成手势识别的腕带可用于控制室内照明;在物理治疗和健身中的锻炼和运动可以在不需要教练或治疗师的情况下进行;还可应用于汽车、医药、智能家居、工业4.0等多个领域。由于不使用相机或云端,因此用户的隐私可以得到保障。

AIfES的数据库通过允许小型嵌入式系统在处理前接收数据并将结果传递给上级系统减少传输的数据量,还可以借助一个具有学习能力的小型系统网络在彼此之间分配任务。除了学习算法和演示器之外,研究人员和他的同事们还在开发神经网络的硬件组件。该研究小组目前正在研究RISC-V微处理器,该处理器将专门为神经网络配备硬件加速器。同时特殊版本的AIfES可为此硬件进行继续优化。

参考:https://phys.org/news/2019-06-machine-sensors.html

[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网。谢谢您的合作。

推荐阅读 更多