1. 什么是 AI工具？
AI工具允许工程师基于高级信号处理生成和构建和Edge AI模型。用户可以自动浏览传感器数据并生成优化模型。 AI工具包含用于查找最佳传感器或传感器组合、传感器放置位置和自动生成组件规格的分析，并包括时域、频域方面完全可解释的模型函数，以及用于Arm M/A/R实现的优化代码。
2. AI工具软件有什么用处？
AI工具软件是一个边缘AI平台，用于支持各种AI用例，包括基于音频数据、振动数据或其他波形传感器数据的实时AI应用程序。 AI工具软件生成嵌入式AI模型，这些模型可以作为产品的一部分合并到固件构建中，也可以部署到工厂中低成本的边缘节点上。
我们的成功案例涉及预测性维护、状态监测、使用加速度计或其他数据的手势识别、异常检测以及基于传感器数据的其他预测分析。
3. AI的优势有哪些？
AI软件与瑞萨e2 开发工具集成，并支持所有瑞萨MCU开发板。与瑞萨电机控制套件的集成可作为附加选项提供。
有些使用量化、压缩、剪枝或其他机器学习技术会使模型变小，但这会降低准确性的方法。 AI的做法是将先进的信号处理方法与机器学习相结合，使用很少的资源提供完全的准确性。
没有工程师会部署他们不理解的解决方案，因此 AI提供了基于时间和频率的模型功能的透明度，以及C或中提供的完整源代码。您始终可以向同事和客户解释为什么模型会像现在这样运行，以及为什么应该信任它们。
传感器和数据收集占大多数机器学习80%以上的学习成本，而 AI的分析可以帮助降低两者的成本。 AI工具可以识别最具成本效益的传感器通道组合，找到最佳传感器位置，并生成最低组件规格。它还可以通过在收集数据时查找检测和数据处理问题来帮助管理数据收集的成本。
4. AI工具软件支持哪些算法？
AI侧重于算法特征发现和优化，使用专有的AI驱动，为给定的机器学习问题确定最佳特征。在大多数情况下，这大大简化了机器学习问题，允许使用紧凑、简单和高效的学习算法。对于分类问题，这通常是支持向量机的集合（在嵌入式推理中，SVM具有仅通过几个矩阵乘法进行评估的明显优势）。对于回归问题，它通常是一个SVM回归模型，对于异常检测，我们的软件通常采用单侧SVM或K均值算法。
5. AI工具软件如何创建嵌入式机器学习模型？
经验丰富的AI从业者知道：如果你有正确的功能，几乎任何机器学习算法都会以大致相同的精度找到你想要的东西。 AI采取的方法基于以下基本见解：一切都与功能有关。 AI工具软件基于一种专有方法，该方法通过构建优化类之间分离或与目标变量相关性的特征空间，以算法方式确定给定机器学习问题的最佳特征。通过选择最佳特征空间，对其进行优化以实现最大效率和有效性。 AI工具软件大大简化了机器学习问题，允许使用紧凑、简单和高效的学习算法。
6. AI工具软件支持哪些类型的传感器？
AI工具软件适用于大多数类型的传感器数据，但最适合以高采样率收集的传感器数据。例如：加速度计数据、振动、声音、电流、电压、射频和其他可能描述为“波形”的数据。 AI可以使用以较低频率收集的数据，当较慢的时间序列与高频传感器结合使用时尤其有效，例如，将周期性温度和压力读数与加速度或振动相结合。但 AI工具软件不仅限于任何传感器支持特定列表——只要以支持的格式提供，它就会支持来自任何传感器的数据。
7. 我需要多少数据？
简单回答是：您将需要“足够”。多少才够？这很难估计。对传感器数据的机器学习是一种历经数据变化的练习——变化越多，它所需的数据就越多。 AI工具软件具有帮助开发者评估数据覆盖范围和就绪情况的功能。
8. AI是一种可解释的AI吗？
是的。 AI工具软件的工作原理是在构建机器学习模型之前，基于信号处理转换构建优化的特征空间。这些特征空间变换可以根据其时域和频域行为进行可视化，以便工程师可以将机器学习模型功能与自己对传感器与环境交互的基本物理的理解联系起来。我们认为 AI在用于传感器数据的Edge AI/软件中是独一无二的，可以提供这种可解释性。
9. 我可以自己调整模型吗？还是 AI工具软件是一个“黑匣子”？
AI工具软件提供了许多模型调整选项。在该过程开始时，开发者可以选择调整窗口大小和步幅，或者使用基于虚拟示波器触发器的能量触发分段。然后，在模型构建过程中， AI工具软件允许用户选择最适合需求的功能集和模型构建，无论是准确性、资源消耗还是可解释性。构建后，我们提供调整模型，通过更改对误报的容忍度来调整误差平衡，并实现不同类型的平滑。最后，为了获得最高的透明度和可定制性，我们还为和C代码导出提供了专业级选项。
使用这些源代码选项，开发者可以使用 AI工具软件作为起点，将其输出整合到用户自己的工具堆栈和开发过程中。
10. 我想进一步了解 AI相关信息，哪里可以找到？
识别下方二维码或点击文末阅读原文，即可浏览各类工具介绍、演示、博客、白皮书等。
AI |
END
相关文章
