Net-bebas neural platform untuk data pendesak mikrokontroler pembelajaran kendiri
"Dengan menggunakan perpustakaan standard berdasarkan GNU Compiler Collection (GCC) dan kod sumber dikurangkan kepada minimum, walaupun integrasi termasuk algoritma pembelajaran pada pengawal mikrokontroler mungkin," kata organisasi itu. "Rangkaian neural tiruan tidak menumpukan perhatian kepada pemprosesan data besar tetapi harus menawarkan kemungkinan melaksanakan mikroelektronik pembelajaran kendiri yang tidak memerlukan sambungan ke awan atau komputer yang lebih kuat."
Aplikasi dijangkakan sekitar pemantauan sensor dan keadaan untuk aplikasi Industri 4.0, serta tujuan IOT yang lebih umum.
Rangkaian adalah modular untuk disesuaikan dengan tugas-tugas yang berbeza - parameter dari normalisasi data sensor, struktur rangkaian, fungsi pengaktifan yang paling sesuai, dan algoritma pembelajaran boleh dikonfigurasi.
Sebagai algoritma pembelajaran, algoritma back-propagation berbilang pilihan dalam talian telah dilaksanakan, dan strategi pembelajaran evolusi sedang dibangunkan.
"Pemrograman dengan GCC membolehkan port ke hampir semua platform," kata Fraunhofer. "Ini membolehkan integrasi sepenuhnya sepenuhnya termasuk algoritma pembelajaran pada sistem tertanam. Varian klasik, di mana fasa pembelajaran dilakukan pada unit yang lebih cekap, mungkin juga. Keuntungan dalam kes ini ialah kod sumber yang sama boleh digunakan untuk platform yang berlainan - ia hanya perlu disusun untuk platform masing-masing. "
Apabila menggunakan Windows, sebagai contoh, kod sumber dikompilkan sebagai pustaka pautan dinamik (DLL) yang membolehkannya diintegrasikan ke dalam alat seperti Labview, Matlab atau Visual Studio.
Untuk pembangunan awal, PC dicadangkan untuk pengiraan pantas. Sebaik sahaja konfigurasi itu betul, ia boleh dilaksanakan pada sistem tertanam.
Versi rangkaian neutral telah ditunjukkan pada Raspberry Pi dengan Raspbian dan ATMega32U4 - yang terakhir adalah subjek 'Sensor arus tanpa wayar pintar sendiri yang mencukupi', Sebuah kertas yang dibentangkan di Persidangan Eropah mengenai Objek, Sistem dan Teknologi Pintar. Satu lagi pelaksanaan akan dibentangkan di pendirian Fraunhofer IMS di SPS IPC Drives 2018 di Nuremberg.
Pelan masa depan termasuk pemecut perkakasan cekap tenaga khusus untuk rangkaian.