完善资料让更多小伙伴认识你,还能领取20积分哦, 立即完善>
通常,当开发人员谈论机器学习(ML)时,他们指的是神经网络(nn)。
神经网络的巨大优势在于,你不需要成为一个领域专家,而且可以迅速找到一个可行的解决方案。神经网络的缺点是它们通常需要无数的记忆和循环,而那很难解释它们是如何达到它们的结论。 机器学习领域包括神经网络以外的技术。其他技术可能以不同的名称使用,例如统计机器 学习。在本指南中,我们使用经典机器学习这个名称来指代这些方法的使用CMSIS-DSP开源库中的其他技术。 CMSIS-DSP库是Arm针对各种Arm优化的丰富的DSP函数集合Cortex-M处理器,如Cortex-M4、Cortex-M7、Cortex-M33、Cortex-M35等 Cortex-M55处理器。Arm开发者网站包含更多信息和支持这些处理器的资源。 CMSIS-DSP在工业上得到了广泛的应用,能够从各种代码中优化生成C代码第三方工具。Arm最近为经典的CMSIS-DSP库添加了新的功能ML,包括支持向量机(SVM),朴素高斯贝叶斯分类器和距离集群。 本指南解释了如何在Python中训练SVM和贝叶斯分类器,如何转储参数,以及如何在CMSIS-DSP中使用转储参数。它也解释了如何距离函数可用于构建聚类算法。 这些分类器可用于异常检测、声音分类和图像识别。 它们将需要使用智能功能,例如信号处理链的输出,以及理解领域,并且将使用比神经网络更少的类。 CMSIS-DSP中提供的经典ML函数仅适用于float32。 要完成本指南,您应该知道如何构建CMSIS-DSP。 您还需要安装以下资源: •CMSIS-DSP的副本。 •带有scikit-learn包的Python 3。
|
|
相关推荐
|
|
只有小组成员才能发言,加入小组>>
5751 浏览 5 评论
ARM9学习4-S3C2410的启动代码分析-For ADSv1.2
2852 浏览 0 评论
506浏览 1评论
450浏览 1评论
435浏览 0评论
安装适用于STMicroelectronics Edition 1.1版的Keil MDK应用说明
271浏览 0评论
504浏览 0评论
小黑屋| 手机版| Archiver| 电子发烧友 ( 湘ICP备2023018690号 )
GMT+8, 2024-11-30 19:28 , Processed in 0.497652 second(s), Total 42, Slave 32 queries .
Powered by 电子发烧友网
© 2015 bbs.elecfans.com
关注我们的微信
下载发烧友APP
电子发烧友观察
版权所有 © 湖南华秋数字科技有限公司
电子发烧友 (电路图) 湘公网安备 43011202000918 号 电信与信息服务业务经营许可证:合字B2-20210191 工商网监 湘ICP备2023018690号