模式识别与智能计算的matlab实现源码-embeddedml:嵌入式ml

模式识别与智能计算的matlab实现源码嵌入式设备上的机器学习 主要侧重于在微控制器（或小型嵌入式设备）上运行推理/预测/前馈部分。 培训阶段可以在标准计算机/服务器上运行，并尽可能使用现有工具。 最先进的 关于通用微控制器的ML推断。 深度模型具有ARM Cortex-M的有效实现。 例如：CMSIS-NN中的CNN和RNN，uTensor中的FC 适用于可以使用的非神经车型有些实现。 例如：sklearn-porter中的SVM，RF，AdaBoost 提出了一些特殊设计的ML算法。 例如：ProtoNN，盆景 可用于转换Tensorflow模型的基本工具 音频上的关键词发现/唤醒词已经建立。 用于商业产品（Alexa等） 人体加速度计上的活动检测器。 计算机视觉是 有关低功耗协处理器的大量研究和公告，但市场上还很少 局限性 缺少非ARM微米的神经模型。 ESP8266 / ESP32 非神经模型缺少为微控制器设计的推理引擎 “小型DNN”主要用于手机的计算机视觉（型号为uC的1000x） 很少/没有可用的预训练模型。 转学很少探索？ 整个开发过程的文档很少。 从计划，数据采集，模