AI periferica, Embedded ML, Edge ML, TinyML sono tutti sinonimi dello stesso concetto: abilitare algoritmi di Deep Learning su dispositivi embedded a bassissima potenza, aprendo la strada all’analisi e all’elaborazione periferica dei dati. In questo articolo, discutiamo le principali sfide e gli abilitatori tecnologici che dirigono l’espansione di questo campo. TinyML aprirà le porte a nuovi tipi di servizi e applicazioni edge non più basati su elaborazione cloud ma su inferenza periferica distribuita e autonomia decisionale. Introduzione Emersa negli ultimi anni come una nuova tecnologia all’intersezione tra apprendimento automatico, piattaforme embedded e software, TinyML si concentra sulla distribuzione di modelli di Machine Learning e di reti neurali profonde su dispositivi con risorse limitate (MCU), offrendo così soluzioni per applicazioni con […]
Sfide e soluzioni per lo sviluppo di applicazioni di Edge Machine Learning
Source: EMC Emcelettronica
EMC Emcelettronica