ST, STM32Cube.AI 에코시스템의 효율적인 머신러닝 지원 강화
2021년 07월 30일
트위터로 보내기페이스북으로 보내기구글플러스로 보내기

3aadda550b3c100266f0b4ed27b4e400_1627585879_8276.jpg


ST마이크로일렉트로닉스(STMicroelectronics, 이하 ST)가 STM32Cube.AI 개발 환경에서 이용 가능한 머신러닝 기법을 다양하게 확장했다고 밝혔다. 이를 통해 보다 유연하게 분류, 클러스터링, 이상치 탐지(Novelty-Detection) 등과 같은 과제들을 최대한 효율적으로 해결할 수 있다. 

 

최신 STM32Cube.AI 릴리스(버전 7.0)는 STM32 마이크로컨트롤러(MCU) 상에서 엣지 추론을 위한 신경망을 개발할 수 있게 해주며, 더 작은 데이터 세트와 더 적은 수의 CPU 사이클로 동작하는 새로운 지도(Supervised) 및 준지도(Semi-Supervised) 방식을 지원한다. 여기에는 사용자가 복잡한 수동 코딩 작업을 수행하지 않아도 구현이 가능한 분류용의 K-평균(K-means) 및 SVM 분류기(SVM Classifier) 알고리즘 그리고 이상치 탐지용 격리 포리스트(iForest: isolation Forest) 및 OC SVM(One Class Support Vector Machine)이 포함돼 있다. 

 

이러한 전통적인 머신러닝 알고리즘이 신경망 위에 추가됨으로써, 개발자는 STM32 마이크로컨트롤러에서 다양한 유형의 모델에 대한 변환, 검증, 배포 작업을 간편한 기법으로 빠르게 처리하고 문제를 보다 신속하게 해결하게 된다. 

 

STM32Cube.AI를 사용하는 개발자들은 클라우드의 머신러닝 작업부하를 STM32 기반 엣지 장치에서 구동함으로써 인터넷을 통한 데이터 교환을 최소화해 지연시간을 줄이고, 에너지를 절감하며, 클라우드 활용도를 높이고, 개인정보를 보호할 수 있다. STM32 MCU는 유연성이 추가돼 온-디바이스 분석에 가장 효율적인 머신러닝 기법을 선택할 수 있기 때문에, 상시동작 적용사례와 스마트 배터리 기반 애플리케이션에 매우 적합하다.

그래픽 / 영상
많이 본 뉴스