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

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