Maschinelles Lernen
Machine Learning implementieren
In diesem Jahr stand für MathWorks auf der Embedded World das Thema Implementierung von Algorithmen des Machine Learning und Deep Learning in Embedded Systemen im Fokus. Auf 100 Quadratmetern zeigte das Unternehmen mehrere Beispiele aus verschiedenen Anwendungsbereichen des maschinellen Lernens, wie die Erkennung und Klassifizierung von Objekten und Sprache für autonome Systeme.
Machine Learning und Deep Learning sind laut Unternehmen leistungsstarke Methoden, um komplexe Modellierungsaufgaben in den verschiedensten Industriebereichen zu lösen. Das Kernprinzip besteht darin, dass Ingenieure und Wissenschaftler Modelle entwickeln, die selbstständig aus Daten lernen. Auf diese Weise können zum Beispiel Maschinenausfälle durch vorausschauende Wartung vorhergesagt und entsprechend vermieden werden oder Fahrzeuge mittels autonomer Systeme selbstständig lenken. Doch wie kommt die Intelligenz in die Maschine? Um Algorithmen des Machine Learning produktiv nutzen zu können, eignet sich die Implementierung in Embedded Systemen oder in einer Cloud-Infrastruktur. Dabei zeigen sich je nach Modell unterschiedliche Präferenzen für die genutzte Hardware. So werden für Machine-Learning-Verfahren wie etwa „Support Vector Machine“ vor allem Microcontroller genutzt, während sich für die Implementierung von Convolutional Neural Networks (CNN) im Bereich des Deep Learning GPUs etabliert haben. In beiden Fällen muss das entwickelte Modell in weniger abstrakten Code, zum Beispiel in C, umgewandelt werden, um auf die Hardware überführt werden zu können. sw
Das könnte Sie auch interessieren
ESTIA soll Europas Cloud stärken
Neue Tech-Allianz für EU-Souveränität
Zwölf Unternehmen, darunter Dassault Systèmes, gründen die European Sovereign Tech Industry Alliance (ESTIA). Die Initiative soll Europas technologische Unabhängigkeit stärken und Anforderungen für souveräne Cloud-Dienste definieren. Start ist 2026.
mehr...KI-Souveränität für Deutschland?
Deutsche Telekom und Nvidia starten eine der größten KI-Fabriken Europas
Mit der Industrial AI Cloud in München schaffen Deutsche Telekom und NVIDIA eine der größten KI-Fabriken Europas. Firmen können KI-Modelle trainieren, Simulationen durchführen und auf 10.000 GPUs zugreifen.
mehr...Streaming von Produktionsdaten
Datenpotenziale heben mit KI und Streaming
In vielen produzierenden Unternehmen schlummern noch immer riesige Datenschätze. Dabei ist es längst Zeit, diese zu heben. Oft fehlen die Mittel und Kapazitäten, um Daten in Echtzeit nutzbar zu machen. Das Streaming der Produktionsdaten kann hier...
mehr...Mehr Bewusstsein für den Lärm
Dematic bietet Lösungen an, die auf verschiedene Cloud-Umgebungen zugeschnitten sind und Umweltauswirkungen durch reduzierten Materialverbrauch und verbesserte Energieeffizienz verringern.
mehr...Generative KI im Automatisierungsumfeld
Die Maschinenbau- und Automatisierungsbranche befindet sich in einem tiefgreifenden Wandel. Diese Transformation wird durch einen volatileren Welthandel, geopolitische Krisen sowie den steigenden Marktdruck vorangetrieben, der eine höhere Agilität,...
mehr...Edge und Cloud gleichermaßen möglich
Die Gateways von IoTmaxx sind flexible Alleskönner für Industrie-4.0-Applikationen, um Maschinendaten zuverlässig in die Cloud zu übertragen oder um Edge-Computing-Lösungen für die Datenverarbeitung vor Ort zu realisieren.
mehr...Starre Daten-Strukturen haben ausgedient
Das traditionelle Rechenzentrum ist nicht mehr das Zentrum der Daten. Ein hybrider Cloud-Speicher-Ansatz versetzt Fertigungsunternehmen in die Lage, sowohl die aktuellen Anforderungen datenintensiver Prozesse zu erfüllen als auch die Infrastruktur...
mehr...Eplan feiert 40 Jahre
Im Jahr 1984 wurde das Elektro-Engineering aus der Taufe gehoben. Die Software, die den Namen Eplan trägt, veränderte die Arbeitswelt von technischen Zeichnern. Diese 40 Jahre wurden jetzt mit einer Jubiläumsveranstaltung im Nationalen Automuseum –...
mehr...Software as a Service in drei Stufen
CIM Database Cloud ist eine neue Out-of-the-box-Lösung von Contact für die durchgängige digitale Produktentwicklung.
mehr...