由Qeexo嵌入式机器提供的AI亮相于边缘设备

Qeexo嵌入式机器学习，不依靠云端中运行实时机器学习推理的嵌入式边缘设备，是一个轻量级的通用平台。嵌入式解决方案是基于一个支持1.7亿以上台智能手机和平板电脑的全通过产品如FingerSense和EarSense世界Qeexo自己的机器学习平台。Qeexo嵌入式机器学习，甚至可以收集已经收集的数据，将帮助您了解，通过自己的产品和设备所产生的传感器数据。芯片的CEO随着价格的下降和功能越来越高，我们相信机器学习将朝着最前沿发展。

Qeexo的嵌入式机器学习可以为所有行业的产品和流程增添智能。例如，在工业环境中、过程、设备并通过安装一个传感器Qeexo驱动监测和分析在植物中的产品，它可被操作在更理想的状态机更长的时间。在汽车行业，如果在Qeexo的内置机器学习功能的传感器，就可以得到路况和车况，或大约立即预知维护的汽车的信息。在智能家居和物联网领域，边缘设备可以以更低的价格与扩展方便功能。

Qeexo机器学习平台以毫秒为单位比人类感知快速延迟，对功耗的内存和处理的要求非常低，并与各类传感器数据的工作。延迟以毫秒为单位由于以毫秒为单位的延迟Qeexo比人类感知，引起Qeexo的机器学习感受即时的反应速度更快。

在传统上机器学习，计算不能在敏感的应用中使用这样的时间，触摸屏时间太长，需要触控界面可能会混淆未能立即响应用户。然而，如已经通过FingerSense和EarSense证实，Qeexo的机器学习将不同类型的输入方法之间立即区分，它就能提供及时反馈给用户输入。

功耗、存储器和处理要求非常低嵌入式和移动应用程序都受到处理能力、内存和功耗的影响。嵌入式机器学习Qeexo是高度优化，从而允许边缘设备的推断。这也使其更广泛适用。传感器数据

Qeexo嵌入式机器学习平台支持各种传感器数据。据行业专家称，到2020年将部署超过1万亿个传感器。 Qeexo的内置机器学习可以利用这些传感器收集的大量数据，使每台设备更智能，更易于使用。其中最常见的抱怨是投资收集和存储数据的成本，但是许多公司不知道如何充分利用它。 即使有分析，它通常也是最简单的。通过高端机器学习算法，Qeexo的嵌入式机器学习帮助公司了解传感器数据的价值。

Qeexo机器学习技术实力的另一个证明是，Joexo的产品EarSense在软件和移动应用程序分类方面获得了CES 2019创新奖。 EarSense于今年7月进入了OPPO Find X手机器，用最先进的AI技术取代了接近传感器，以便在用户接听电话时关闭屏幕。通过消除对接近传感器制造商的需求，EarSense实现了真正的全屏设计。