【導讀】技術創新通常會在幾十年內掀起改變人類生活的浪潮：電力
、計算機、互聯網。最近的浪潮是人工智能 (AI)。zidanshengyilai，rengongzhinengzhuyaojuxianyudaxingjisuanpingtai。raner
，xianjinchuliqijishuhegaoxiaorengongzhinengwangluoderonghedailailetupoxingchuangxin，shirengongzhinengkeyizaiqianrushixitongzhongyunxing。zhexiexitongtongchangpeibeizhuanmenderengongzhinengzhuanyongchuliqihezhichijiqixuexidechuanganqi，keshixianqiansuoweiyoude“邊緣”功能。

zhexiegongnengshiyucexingweihudadaolexindeshuiping。qianrushirengongzhinengjiasujishukefanghuanyuweiran，erwuxurengongcanyu。benwenjiangjieshaojizhongkezaibianyuanshixianrengongzhinengsuanfadexinxingchuliqijishu。

嵌入式人工智能係統 

支持人工智能的微控製器和 MEMS 傳感器是預測性維護人工智能革命的前沿。這些設備的特點是體積小
、功耗低，並且能夠加速與人工智能相關的特定數學函數。傳統的嵌入式處理器與人工智能內核和/huochuanganqimokuaixiangjiehe
，shishebeinenggoushishifenxihexiangyingxianshishijiezhongjiyushijianxuliedeshuju。zaishijianxulieshujuyingyongzhongshixianqianrushirengongzhinengyouduozhongfangfa。danshouxian…

什麼是針對時間序列數據的人工智能？ 

時間序列數據分析涉及了解數據中的模式、趨勢、yichanghexingwei。rengongzhinengkeyongyuduiweilaizhijinxingguanchahuoyuce，congshujuzhongtiquzhenzhizhuojian，weijuecetigongyiju。zheleifenxikeyishiyongrengongzhinengwangluolaiwancheng，zhejiuxuyaolejiehexuanzechuliyingjian。

在預測性維護、環境異常檢測、物聯網設備、多軸運動等應用中，時間序列數據可用於了解數據中的模式、趨勢和行為。利用卷積神經網絡、遞歸神經網絡、長(chang)短(duan)期(qi)記(ji)憶(yi)網(wang)絡(luo)和(he)門(men)控(kong)遞(di)歸(gui)單(dan)元(yuan)等(deng)人(ren)工(gong)智(zhi)能(neng)算(suan)法(fa)，時(shi)間(jian)序(xu)列(lie)數(shu)據(ju)可(ke)用(yong)於(yu)檢(jian)測(ce)預(yu)期(qi)結(jie)果(guo)或(huo)異(yi)常(chang)結(jie)果(guo)。雖(sui)然(ran)這(zhe)些(xie)機(ji)器(qi)學(xue)習(xi)算(suan)法(fa)可(ke)在(zai)通(tong)用(yong)硬(ying)件(jian)上(shang)執(zhi)行(xing)
，但(dan)使(shi)用(yong)帶(dai)有(you)人(ren)工(gong)智(zhi)能(neng)內(nei)核(he)的(de)處(chu)理(li)器(qi)和(he)/或傳感器可減少延遲並提高效率。

Nanoedge AI Studio 顯示來自電機控製應用程序的時間序列數據

例如，采用 32 位 Arm Cortex-M33 的 STMicroelectronics STM32L5 和 NXP MCX-A MCU 都適用於使用簡單人工智能網絡的嵌入式係統。雖然這些傳統的 Cortex-M 內nei核he在zai處chu理li傳chuan感gan器qi數shu據ju和he簡jian單dan的de人ren工gong智zhi能neng處chu理li方fang麵mian表biao現xian出chu色se，但dan對dui於yu更geng複fu雜za的de機ji器qi學xue習xi任ren務wu，讓rang我wo們men來lai看kan看kan集ji成cheng了le更geng多duo內nei核he以yi進jin一yi步bu實shi現xian機ji器qi學xue習xi的de微wei控kong製zhi器qi。

例如，NXP 的 MCX-N 結合了 Arm Cortex-M33 和定製的 eIQ 神經處理單元。Alif Semiconductor 的 Ensemble 係列是可用於工業應用的微控製器，將 Arm Cortex-M55 CPU 與 ARM Ethos-U55 神經處理單元實現的專用邊緣人工智能加速相結合。該係列可提供單 Cortex-M55 或雙 Cortex-M55、單 Ethos-U55 或雙 Ethos-U55，以及可選的一個或兩個 Cortex-A32 MPU 內核。

通過將人工智能任務卸載到 NPU
，嵌入式係統可以實現實時神經網絡推理，同時節省功耗、體積和資源。

帶有嵌入式機器學習核心 (MLC) 的傳感器可以經過訓練，在檢測到特定事件時觸發操作

，從而能夠精確檢測變化場景。這樣可以減少 MCU 的計算負荷
，從而實現低功耗架構並提高係統效率。例如，LSM6DSV16BXTR 是一款帶有 3 軸加速計和 3 軸陀螺儀的 IMU，它采用 MLC 來實現人工智能功能。

將人工智能應用於時間序列數據是一個令人興奮的發展領域
，有可能為工業、醫療保健和消費應用增加智能。開發人工智能解決方案需要考慮很多因素，選擇處理器隻是其中之一。

（文章來源：Arrow Solution

，作者：George Dickey）

免責聲明：本文為轉載文章，轉載此文目的在於傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片
、文字如涉及作品版權問題，請聯係小編進行處理。

推薦閱讀：

解決了！這個模塊解決了流式細胞儀設計的多個痛點！

提高垂直分辨率 改善測量精度

OBC設計不斷升級，揭秘如何適應更高功率等級和電壓

利用無線蜂窩和Wi－Fi信號發電！備受期待的射頻能量收集，你了解多少？

如何解決汽車V2X與多無線技術頻譜管理的共存挑戰！