NanoEdge AI Studio 面向STM32开发人员机器学习（ML）技术

NanoEdge™ AI Studio*（NanoEdgeAIStudio）是一种新型机器学习（ML）技术，可以让终端用户轻松享有真正的创新成果。只需几步，开发人员便可基于最少量的数据为其项目创建最佳ML库。
*附件：nanoedgeaistudio.pdf
软件下载：https://stm32ai.st.com/download-nanoedgeai/

演示版可免费试用三个月。专业版为嵌入式开发人员提供了按年度的单个或团队许可。

为帮助用户启动其项目，意法半导体推出了Edge AI Sprint包，以限制风险和投资，同时提高成功几率。这是包括培训课程、NanoEdge™ AI Studio许可证和技术支持的打包服务。

检查数据摘要中的订购信息部分，以了解更多信息，或联系意法半导体销售办事处或授权业务合作伙伴，以处理订单。

NanoEdge™ AI Studio也可简称为Studio，是面向开发人员的基于PC的按键式开发工作组合，可运行在Windows ^®^ 或Linux^®^ Ubuntu ^®^ 上。

NanoEdge™ AI Studio的一大优势是无需专门的数据科学技能即可使用。任何使用Studio的软件开发人员无需人工智能(AI)技能，即可通过其用户友好的环境创建最佳ML库。

Studio可生成四种类型的库：异常检测、异常值检测、分类和回归库。

异常检测库由显示正常和异常行为的最小数量的数据示例生成。在创建后，可将库加载到微控制器，以直接在设备上进行训练和推理。库通过从本地采集的数据来学习设备行为，并适应每种设备行为。完成训练后，库推理过程将来自设备的数据与本地创建的模型进行比较，以识别和报告异常。

异常值检测可用于通过某类分类法检测任何异常。无需异常行为示例。将正常信号导入Studio并轻松创建优化的异常值检测ML库。

分类库可用于对数据集合进行分类，代表不同类型的设备缺陷（如轴承问题、空化问题或其他问题）或设备环境中不同类型的事件。将信号导入Studio，只需几步即可创建ML分类库，以便将所有信息收集到单个库中。在微控制器上运行时，分类器会分析实时数据并指示与此静态信息的相似度（百分比）。

回归算法可用于推理数据和预测未来的数据模式。将信号与目标值导入到桌面工具中，并通过几个步骤来生成智能库，以改进能源管理或预测设备的剩余寿命。

这些库可组合和链接：用于检测设备问题的异常或异常值检测、用于识别问题来源的分类、用于推理信息和为维护团队提供实际见解的回归分析。

输入信号可能为振动、压力、声音、磁场、飞行时间等，也可能为多个信号的组合。可将多个传感器组合到单个库中，或同时使用多个库。

学习和推导均通过NanoEdge™ AI自主学习库直接在微控制器内部进行，能够简化AI流程，并大大节省开发工作量与成本，从而缩短上市周期。

• 所有功能

  

  • 用于设计和生成STM32优化库：异常和异常值检测、特征分类、时间和多变量信号推理
    • 异常检测库使用非常小的数据集设计：直接在STM32微控制器上学习异常并实时检测缺陷
    • 用于异常值检测的特定类分类库，采用非常小的数据集：在设备正常运行期间采集数据并检测任何异常模式偏差
    • 采用非常小的带标签数据集的N类分类库：对信号进行实时分类
    • 借助回归库使用小型分段数据集进行推理：基于以前从未见过的数据模式预测未来的值
  • 支持任何类型的传感器：振动、磁力计、电流、电压、多轴加速度计、温度、声学等
  • 从数百万种可能的算法中进行筛选，以找到在准确性、保密性、推理时间和内存占用方面最优的库
  • 生成代码量极少的库，甚至能够在最小的Arm^®^ Cortex ^®^ -M0微控制器上运行
  • 嵌入式仿真器，可通过连接的STM32板或测试数据文件实时测试库性能
  • 原生支持STM32开发板，无需配置
  • 可以跨各种STM32微控制器系列轻松移植
    
    NanoEdge™ AI Studio文档： https://wiki.st.com/stm32mcu/wiki/Category:NEAI_-_Documentation

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