ST MEMS傳感器內(nèi)嵌機(jī)器學(xué)習(xí)核心的優(yōu)勢(shì)

???????一旦您熟悉了開發(fā)步驟并掌握了機(jī)器學(xué)習(xí)項(xiàng)目中的要點(diǎn)，就能夠開發(fā)有價(jià)值的機(jī)器學(xué)習(xí)應(yīng)用。此外，意法半導(dǎo)體提供解決方案，以促進(jìn)邊緣機(jī)器學(xué)習(xí)得到廣泛應(yīng)用并發(fā)揮全部潛力。本文描述了機(jī)器學(xué)習(xí)項(xiàng)目的必要開發(fā)步驟，并介紹了ST MEMS傳感器內(nèi)嵌機(jī)器學(xué)習(xí)核心（MLC）的優(yōu)勢(shì)。

我們將向用戶介紹特殊機(jī)器學(xué)習(xí)模型——決策樹，該模型與機(jī)器學(xué)習(xí)核心一起內(nèi)嵌在ST MEMS中。

當(dāng)用戶想要在嵌入式系統(tǒng)中使用機(jī)器學(xué)習(xí)或深度學(xué)習(xí)功能時(shí)，通?？砂凑找韵挛鍌€(gè)步驟進(jìn)行開發(fā)（如下圖）。

步驟1

用戶需要收集用于機(jī)器學(xué)習(xí)模型創(chuàng)建的數(shù)據(jù)。該數(shù)據(jù)集的一部分（訓(xùn)練數(shù)據(jù)集）將用于訓(xùn)練模型，另一部分（測(cè)試數(shù)據(jù)集）稍后將用于評(píng)估所構(gòu)建模型的性能。機(jī)器學(xué)習(xí)的數(shù)據(jù)集中典型的拆分比例為：訓(xùn)練數(shù)據(jù)集80%，測(cè)試數(shù)據(jù)集20%。

步驟2

用戶需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)記；基本上，我們需要告訴機(jī)器收集的數(shù)據(jù)屬于哪一類（例如“跑步”、“散步”、“靜止”……）；決策樹是一種模型，基于模型創(chuàng)建者所表現(xiàn)的分類法。

分類指的是根據(jù)您認(rèn)為重要的屬性對(duì)數(shù)據(jù)進(jìn)行分組：這種屬性在機(jī)器學(xué)習(xí)領(lǐng)域被稱為“類”。

步驟3

用戶使用預(yù)先準(zhǔn)備的數(shù)據(jù)集訓(xùn)練機(jī)器學(xué)習(xí)模型。該任務(wù)也稱為“擬合”。訓(xùn)練結(jié)果的準(zhǔn)確性在很大程度上取決于用于訓(xùn)練的數(shù)據(jù)的內(nèi)容和數(shù)量。

步驟4

用戶將訓(xùn)練過的機(jī)器學(xué)習(xí)模型嵌入到系統(tǒng)中。對(duì)于在計(jì)算機(jī)上運(yùn)行的機(jī)器學(xué)習(xí)算法，用戶可以利用Python庫直接運(yùn)行模型。對(duì)于在MCU等器件上運(yùn)行的機(jī)器學(xué)習(xí)算法，用戶可以在執(zhí)行之前將該庫轉(zhuǎn)換為C代碼。對(duì)于MEMS MLC等硬件連接型解決方案，用戶可以在執(zhí)行之前使用專用軟件UNICO-GUI將庫轉(zhuǎn)換為寄存器設(shè)置。

步驟5

用戶驗(yàn)證機(jī)器學(xué)習(xí)模型。如果驗(yàn)證結(jié)果與預(yù)期的結(jié)果不匹配，則用戶必須確定上述步驟中需要改進(jìn)的部分，以及如何改進(jìn)。決策樹用于模擬人類在分類過程中的思維方式

在機(jī)器學(xué)習(xí)興起之前，決策樹模型就已經(jīng)用于數(shù)據(jù)分類。比如雜志上的性格測(cè)試 - 在此類測(cè)試中，您要按順序回答多個(gè)問題（順序是按照每個(gè)問題的分支確定的），之后再根據(jù)結(jié)果推斷您的性格。這是一個(gè)典型的決策樹示例。為了創(chuàng)建一個(gè)機(jī)器學(xué)習(xí)分類模型，需要在每個(gè)階段組合多個(gè)檢查點(diǎn)（稱為決策結(jié)點(diǎn)）。

在另一個(gè)例子中，一位經(jīng)驗(yàn)豐富的房地產(chǎn)經(jīng)紀(jì)人評(píng)估來訪客戶是否會(huì)根據(jù)如下圖所示的決策樹購買房產(chǎn)：他將到達(dá)一個(gè)最終結(jié)點(diǎn)（或稱“葉子結(jié)點(diǎn)”），并根據(jù)每個(gè)決策結(jié)點(diǎn)的條件做出最終決定。

在開發(fā)決策樹之前，必須通過分類算法確定三個(gè)要點(diǎn)，即要解決的問題、分類過程中的感興趣參數(shù)（特征值（輸入）），以及要尋找的最終答案（輸出）。在房地產(chǎn)經(jīng)紀(jì)人的例子中，問題是預(yù)測(cè)客戶是否會(huì)購買房產(chǎn)。答案是客戶是否會(huì)購買房產(chǎn)。

總之，合理的特征處理是獲得準(zhǔn)確答案的關(guān)鍵。在這種情況下，特征可以包括客戶的收入、房產(chǎn)的價(jià)格、房間的數(shù)量，以及是否有停車位等等。得到的答案很大程度上取決于特征“結(jié)果”或值、特征的順序，以及分類閾值（用于區(qū)分?jǐn)?shù)據(jù)的參考值）。為了通過機(jī)器學(xué)習(xí)創(chuàng)建決策樹，開發(fā)人員必須首先指定要使用的特征和閾值。然后，開發(fā)人員可以通過反復(fù)學(xué)習(xí)來改進(jìn)決策樹的結(jié)構(gòu)以獲得更準(zhǔn)確的答案，從而優(yōu)化每個(gè)決策結(jié)點(diǎn)上要檢查的特征選擇的順序和分類閾值。

認(rèn)真分析這個(gè)結(jié)構(gòu)，該決策樹方法看起來像是傳統(tǒng)的“如果-則-否則”方法，那不同之處在哪里呢？

關(guān)鍵在于，要使用的特征、決策結(jié)點(diǎn)的位置、閾值和決策樹的結(jié)構(gòu)不是由設(shè)計(jì)人員“先知先覺”決定的，而是根據(jù)給定的特定數(shù)據(jù)集從ML模型本身“學(xué)習(xí)”來的。事實(shí)上，根據(jù)米蘭、東京或上海的房地產(chǎn)數(shù)據(jù)集訓(xùn)練模型（例如，房地產(chǎn)模型）時(shí)，可能會(huì)得到不同的結(jié)果。

帶有機(jī)器學(xué)習(xí)核心的ST MEMS傳感器可以通過嵌入式?jīng)Q策樹推動(dòng)向邊緣人工智能的過渡。

我們提供LSM6DSOX、LSM6DSO32X、LSM6DSRX和ISM330DHCX（這些器件將MEMS傳感器與3軸加速度計(jì)、3軸陀螺儀和MLC集成在一起），以及IIS2ICLX（集成了超高精度2軸加速度傳感器和MLC）。

由于面向機(jī)器學(xué)習(xí)分類進(jìn)行了硬件邏輯優(yōu)化且具有出色的傳感器規(guī)格（圖4），帶MLC的MEMS運(yùn)動(dòng)傳感器為用戶提供具有低功耗和較高實(shí)時(shí)精度的個(gè)性化嵌入式決策樹（上圖）。MLC可以執(zhí)行相關(guān)決策樹，最多能夠處理32個(gè)特征值。意法半導(dǎo)體還提供了開發(fā)環(huán)境，幫助用戶輕松開發(fā)在MLC中運(yùn)行的決策樹。

用戶可以使用面向機(jī)器學(xué)習(xí)開發(fā)的常用平臺(tái)（如Weka、RapidMiner、MATLAB和Python（下圖））之一開發(fā)在MLC上運(yùn)行的決策樹。盡管這些平臺(tái)高度靈活且具有多功能性，但是用戶也需要具備足夠的知識(shí)和技能才能開發(fā)適合給定用例的決策樹。

為此，意法半導(dǎo)體針對(duì)ST MEMS傳感器評(píng)估板提供了Unico-GUI全面軟件包，其中包含多個(gè)功能，可幫助用戶輕松開發(fā)上傳到MLC中的決策樹。Unico-GUI使用戶能夠輕松、直觀地收集數(shù)據(jù)，并通過簡(jiǎn)單易用的GUI來訓(xùn)練、驗(yàn)證模型。

意法半導(dǎo)體還提供高度通用的評(píng)估板，這些板配備多個(gè)傳感器，可滿足廣泛的硬件規(guī)格要求（下圖）。意法半導(dǎo)體提供的板件配備支持MLC的MEMS運(yùn)動(dòng)傳感器，并且具有支持無線連接、可電池供電、可在SD卡上存儲(chǔ)數(shù)據(jù)等特征，具有高度通用性，可用于廣泛的應(yīng)用（包括汽車、工業(yè)儀表和消費(fèi)電子設(shè)備）。意法半導(dǎo)體還提供AlgoBuilderSuite PC軟件，該軟件（與Unicleo配合）提供GUI，可以輕松對(duì)板件進(jìn)行編程，并由此進(jìn)行數(shù)據(jù)記錄。有了AlgoBuilderSuite，用戶可以輕松、直觀地對(duì)傳感器進(jìn)行編程，無需編寫任何代碼。

責(zé)任編輯：haq