embedded world 2019: Trainieren statt programmieren

Embedded Systeme per Machine Learning trainieren statt den Zusammenhang zwischen Eingang und Ausgang in einer Hochsprache zu codieren

(PresseBox) ( Hannover, )
In unzähligen eingebetteten Systemen wird eine in speziellen Hochsprachen erstellte Firmware genutzt, die den jeweils gewünschten Zusammenhang zwischen Ein- und Ausgangssignalen herstellt. Ein typisches Anwendungsbeispiel sind Sensorikapplikationen: Die Firmware verarbeitet die analogen Sensorrohdaten und liefert an Hand eines programmierten Messverfahrens das gewünschte digitale Ausgangssignal.

Klassische Firmware-Entwicklungen für Embedded Systeme sind aufwändig und über die gesamte Produktlebensdauer betrachtet, relativ inflexibel. Jede kleine Änderung der Anforderungen löst einen neuen Entwicklungszyklus aus. SSV geht daher einen neuen Weg: Zwischen die Ein- und Ausgangsdaten eines Mikrorechners wird ein lernfähiger Algorithmus mit künstlicher Intelligenz (KI) geschaltet und mittels spezieller Trainingsdaten für eine bestimmte Aufgabenstellung konfiguriert. Dabei entsteht ein mathematisches Modell, das den jeweiligen Zusammenhang der Ein- und Ausgänge abbildet. Anforderungsänderungen werden durch eine erneute Trainingsphase und zusätzliche Referenzdaten umgesetzt.

SSV zeigt auf der embedded world zu diesem Thema mit dem DNP/AISS1 ein Evaluierungsboard mit verschiedenen Sensoren und vorinstallierten Machine-Learning-Algorithmen für industrielle Applikationen. Damit lassen sich Anwendungen erstellen, die beispielsweise Sensordaten per Klassifizierung oder Regression in Informationen umwandeln. Zu dem Board gehört ein Docker-Container. Dieser enthält vorkonfigurierte und sofort einsatzbereite Entwicklungswerkzeuge für die Trainingsphase und Modellbildung. Des Weiteren bietet SSV allen DNP/AISS1-Nutzern ein Webinar mit folgenden Inhalten: 1. Grundlegende Prinzipien und Terminologie des maschinellen Lernens. 2. Ein vollständiger Machine-Learning-Prozess, einschließlich Sensordatenerfassung, Datenaufbereitung, Modellierung und Modellbewertung. 3. Bestimmen der Modellgenauigkeit und Anpassen der Hyperparameter. 4. Den Ausgang eines Machine-Learning-Algorithmus mit anderen Systemen verbinden.

Sie finden SSV auf der embedded world 2019 in Halle 3, Stand 439.
Für die oben stehenden Pressemitteilungen, das angezeigte Event bzw. das Stellenangebot sowie für das angezeigte Bild- und Tonmaterial ist allein der jeweils angegebene Herausgeber (siehe Firmeninfo bei Klick auf Bild/Meldungstitel oder Firmeninfo rechte Spalte) verantwortlich. Dieser ist in der Regel auch Urheber der Pressetexte sowie der angehängten Bild-, Ton- und Informationsmaterialien.
Die Nutzung von hier veröffentlichten Informationen zur Eigeninformation und redaktionellen Weiterverarbeitung ist in der Regel kostenfrei. Bitte klären Sie vor einer Weiterverwendung urheberrechtliche Fragen mit dem angegebenen Herausgeber. Bei Veröffentlichung senden Sie bitte ein Belegexemplar an service@pressebox.de.