Machine Learning

Andreas Mühlbauer,

Trainieren statt programmieren

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

In Sensorikanwendungen verarbeitet die Firmware Sensorrohdaten und liefert digitale Ausgangssignale. © SSV Software Systems

Firmware-Entwicklungen sind aufwendig. SSV geht hier einen neuen Weg: Zwischen Ein- und Ausgang wird ein Machine-Learning(ML)-Algorithmus geschaltet und trainiert. Dieses ML-Modell ist durch erneutes Training jederzeit änderbar.

SSV zeigt auf der Embedded World mit dem DNP/AISS1 ein Starterkit mit Sensoren und vorinstallierten ML-Algorithmen. Dies erlaubt die Gewinnung werthaltiger Informationen aus Sensordaten. Ein Docker-Container enthält alle nötigen Werkzeuge. Des Weiteren demonstriert das Unternehmen in einem Webinar Machine-Learning-Beispiele mit Sensorrohdaten für Predictive-Maintenance-Anwendungen.

Embedded World, Halle 3, Stand 439

Anzeige
Anzeige

Das könnte Sie auch interessieren

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige

Chassis-Kits

Box-PCs mit Kühlung

Kontron nimmt die Smartcase Chassis-Kits von Fujitsu in sein Portfolio auf. Derzeit sind fünf Varianten verfügbar: S500, S520, S700, S710 und S720. Diese dienen als Basis für fertig montierte Box-PCs bestehend aus Kontron-Motherboards inklusive...

mehr...

Newsletter bestellen

Immer auf dem Laufenden mit dem SCOPE Newsletter

Aktuelle Unternehmensnachrichten, Produktnews und Innovationen kostenfrei in Ihrer Mailbox.

AGB und Datenschutz gelesen und bestätigt.
Zur Startseite