https://i1.wp.com/cartesiam.ai/wp-content/uploads/2020/05/Logo_NanoEdge_new_WEB-SMALL.png?fit=400%2C400&ssl=1

Découvrez
NanoEdge™ AI Studio

Notre nouveau logiciel NanoEdge™ AI Studio vous permettra de créer simplement votre librairie statique de Machine Learning à intégrer dans votre programme principal tournant sur un microcontrolleur ARM© Cortex© M.

NanoEdge AI Studio
en quatre étapes

  • ETAPE 1
  • ETAPE 2
  • ETAPE 3
  • ETAPE 4

Décrivez votre environnement matériel

https://i2.wp.com/cartesiam.ai/wp-content/uploads/2020/02/Vague-rose-Cartesiam.png?fit=132%2C45&ssl=1

Choisissez votre type de microcontrôleur

(ARM® Cortex® M0 à M7)
Choisissez la quantité maximale de mémoire vive que vous souhaitez allouer à votre bibliothèque
Choisissez le type de capteur utilisé pour collecter les données (accéléromètre, courant, effet HAL, ECG, etc…)

Fournissez vos données contextuelles

https://i2.wp.com/cartesiam.ai/wp-content/uploads/2020/02/Vague-rose-Cartesiam.png?fit=132%2C45&ssl=1

Même si l’apprentissage se fait à l’intérieur du microcontrôleur, des signaux réguliers et anormaux sont nécessaires pour donner un contexte à votre moteur de recherche de bibliothèque.
NanoEdge Ai Studio utilise à la fois des ensembles de données régulières et anormales pour tester les performances de plusieurs modèles d’apprentissage machine par rapport à vos données, ainsi qu’une multitude de paramètres (hyper) différents et d’algorithmes de traitement du signal.

Testez avant de compiler

https://i2.wp.com/cartesiam.ai/wp-content/uploads/2020/02/Vague-rose-Cartesiam.png?fit=132%2C45&ssl=1

Avec NanoEdge AI Emulator, vous pouvez émuler le comportement de votre bibliothèque personnalisée NanoEdge AI directement sur votre PC, comme si la bibliothèque fonctionnait sur votre microcontrôleur.

Compiler et télécharger

https://i2.wp.com/cartesiam.ai/wp-content/uploads/2020/02/Vague-rose-Cartesiam.png?fit=132%2C45&ssl=1

Choisissez vos drapeaux de compilation et téléchargez votre bibliothèque statique finale prête à apprendre et à déduire dans votre microcontrôleur.
Pour vous faciliter la vie, vous recevez également un Hello World Linux et Windows émulateurs et documentation.

Caractéristiques
NanoEdge AI Studio

https://i1.wp.com/cartesiam.ai/wp-content/uploads/2020/02/zigazag-blanc.png?fit=132%2C25&ssl=1
Pensée pour les développeurs
Opérable par ligne de commande
Multi-plateformes
Fonctionne sur Windows 10
et Linux
Expérience utilisateur intuitive
Interface utilisateur en un clic,
aucun codage nécessaire
NOUVEAUTE 2020 Collecte des données en direct
Directement via le port série/USB
Déploiement facile
Librairie statique prête à être insérée
dans votre programme principal
Pour tous les développeurs intégrés
Aucune compétence en mathématiques ou en sciences des données n’est requise.
Emulateurs déjà intégrés
Testez votre librairie NanoEdge AI sur votre PC (Windows et Linux) avant votre compilation finale
NOUVELLE version 2020 améliorée de Cartesiam
Outil automatique de vérification de la conformité et de la qualité des données

Caractéristiques
NanoEdge AI Librarie

https://i2.wp.com/cartesiam.ai/wp-content/uploads/2020/02/Vague-rose-Cartesiam.png?fit=132%2C45&ssl=1
Optimisé pour les microcontrôleurs
Fonctionne sur chaque MCU Arm Cortex M0 à classe M7
Faible besoin en RAM
A partir de 4Kb
Faible latence
Inférence 16ms,
cortex M4 80Mhz
Allocation statique
Stack préservée et
aucune allocation dynamique
Unité à virgule flottante
Compatible avec le FPU
Base matériel MCU
Apprendre et the Edge
L’apprentissage itératif en 30ms
cortex M4 80Mhz

White papers

-

Partageons notre savoir

NanoEdge™ AI Studio for Embedded Applications Performance for Vibration Applications

In this paper we survey machine learning algorithms of NanoEdge AI library for anomaly detection. We focus on realistic vibration applications. For this purpose we have considered datasets from the NASA Acoustics and Vibration Database (www.data-acoustics.com) and we have carried out comparative studies with reference results to assess the perfor- mance of NanoEdge AI…

Download the paper

NanoEdge™ AI vs Threshold Approach for Anomaly Detection

In this paper we survey machine learning algorithms of NanoEdge AI library and a threshold approach for anomaly detection by a comparative evaluation of algorithms. The general context of
this study is embedded applications.

Download the paper

https://i2.wp.com/cartesiam.ai/wp-content/uploads/2020/02/cubes.png?fit=727%2C829&ssl=1

Download
NanoEdge™ AI studio