Suchen

Machine Learning

ML-Algorithmus statt Firmware: Trainieren statt programmieren

| Redakteur: Rebecca Näther

Embedded Systeme per Machine Learning trainieren statt den Zusammenhang zwischen Ein- und Ausgang in einer Hochsprache zu codieren: SSV zeigt auf der Embedded World mit dem DNP/AISS1 ein Starterkit mit verschiedenen Sensoren und vorinstallierten Machine-Learning-Beispielen.

Firmen zum Thema

Das DNP/AISS1 Starterkit mit verschiedenen Sensoren und vorinstallierten Machine-Learning-Beispielen bietet neben zahlreichen mathematischen Funktionen auch verschiedene KI-Algorithmen für industrielle Applikationen. Damit lassen sich Anwendungen erstellen, in denen der gewünschte Zusammenhang zwischen den Ein- und Ausgangsdaten nicht mehr per Software codiert, sondern stattdessen mittels zuvor erzeugter Referenzdaten trainiert wird.
Das DNP/AISS1 Starterkit mit verschiedenen Sensoren und vorinstallierten Machine-Learning-Beispielen bietet neben zahlreichen mathematischen Funktionen auch verschiedene KI-Algorithmen für industrielle Applikationen. Damit lassen sich Anwendungen erstellen, in denen der gewünschte Zusammenhang zwischen den Ein- und Ausgangsdaten nicht mehr per Software codiert, sondern stattdessen mittels zuvor erzeugter Referenzdaten trainiert wird.
(Bild: SSV Software Systems )

Viele Embedded Systeme nutzen eine Firmware für die Beziehung von Ein- und Ausgängen. Beispiel Sensorikanwendungen: Die Firmware verarbeitet Sensorrohdaten und liefert digitale Ausgangssignale.

Firmware-Entwicklungen sind aufwändig. Neue Anforderungen erzeugen meist einen weiteren Entwicklungszyklus. SSV geht einen neuen Weg: Zwischen Ein- und Ausgang wird ein Machine-Learning- (ML-) Algorithmus geschaltet und trainiert. Dabei entsteht ein ML-Modell, das durch ein erneutes Training jederzeit änderbar ist.

Starterkit mit Sensoren und vorinstallierten ML-Algorithmen

Das Unternehmen zeigt auf der Embedded World mit dem DNP/AISS1 ein Starterkit mit Sensoren und vorinstallierten ML-Algorithmen. Dies erlaubt z.B. per Klassifizierung oder Regression die Gewinnung werthaltiger Informationen aus Sensordaten. Ein Docker-Container enthält alle dazu nötigen Werkzeuge. Des Weiteren bietet der Hersteller ein regelmäßiges Webinar, in dem Machine-Learning-Beispiele mit Sensorrohdaten für Predictive-Maintenance-Anwendungen demonstriert werden.

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de (ID: 45748337)