ESP32-S3 ESP32-S3一颗专为 AIoT 市场打造 支持 2.4 GHz Wi-Fi 和 Bluetooth 5 (LE) 且拥有强大 AI 运算能力和安全加密机制 ESP32-S3 特性Xtensa® 32 位 LX7 双核处理器主频高达 240 MHz内置 512 KB SRAM (TCM)具有 45 个可编程GPIO 管脚和丰富的通信接口ESP32-S3 支持更大容量的高速
转载
2023-12-20 10:13:39
194阅读
意法半导体(STMicroelectronics，ST)藉由STM32系列微控制器的市场领导地位，扩展了STM32微控制器开发生态系统STM32CubeMX，其增加了先进的人工智能(AI)功能。AI技术使用经过训练的人工神经网络对动态和振动传感器、环境传感器、麦克风和影像传感器的数据讯号进行分类，相较传统以手动处理讯号的方法更加快速、高效。意法半导体微控制器和数字整合电路产品部总裁Claude D
转载
2023-12-19 19:02:22
80阅读
本文主要讲述了如何简单的训练一个深度学习的模型，并把模型放入rtt系统中，让系统运行在嵌入式设备上。1.准备开发环境：RT-Thread Studio开发板：STM32H750-RT-ART-Pi准备如下文件：序号名称备注1硬件以及 BSPSTM32H750-RT-ART-Pi，ART-PI BSP2神经网络模型./rt_ai_tools/Model/keras_mnist.h53STM
转载
2024-01-10 13:35:29
264阅读
基于stm32f407cube ai实例 （一）Cube ai简介 得益于st的一套新的人工智能(ai)解决方案，您现在可以在广泛的stm32微控制器产品组合上映射和运行预先训练的人工神经网络(ann)。stm32cube.ai是广泛使用的stm32cubemx配置和代码生成工具的扩展包，支持基于stm32 arm cortex -m的微控制器上的ai。要访问它，请下载并安装stm32cubemx
转载
2024-03-10 21:02:50
1165阅读
为了在Cortex-M的MCU上成功跑起CNN，用的模型是一个不到10层FCN网络，但是即便如此，对于主频只有不到100MHz，SRAM只有不到100K的单片机来说依然是极其吃力的，模型不做量化的话肯定无法做到实时的。硬件资源：作品硬件自制，使用的MCU是STM32F407。在168 MHz频率下，从Flash存储器执行时，STM32F407单片机能够提供210 DMIPS/566 CoreMar
转载
2023-10-26 20:50:09
380阅读
在以往的手写数字识别中，数据集一共是70000张图片，模型准确率可以达到99%以上的准确率。而本次实验的手写数字数据集中有120000张图片，而且数据集的预处理方式也是之前没有遇到过的。最终在验证集上的模型准确率达到了99.1%。在模型训练过程中，加入了上一篇文章中提到的早停策略以及模型保存策略。1.导入库import numpy as np
import tensorflow as tf
imp
转载
2023-12-31 17:19:15
237阅读
1 简介上次写到将OV56640采集的JPEG数据存入SD可存储，后续就需要使用STM32的硬件JPEG解码将图片从SD取出，并将其转换为RGB888格式。具体的可以参考正点的硬件JPEG部分代码，解码的核心的一句代码如下：hjpgd.ycbcr2rgb(hjpgd.outbuf[hjpgd.outbuf_read_ptr].buf,rgb888buf,mcublkindex,hjpgd.outb
转载
2023-10-25 22:30:56
353阅读
构建深度神经网络最关键的部分之一是——当数据流经不同的层时，要对其有一个清晰的视图，这些层经历了维度的变化、形状的改变、扁平化和重新塑造……结构顺序每层解读：把单词变为tokens；embedding 把每个token变成特定大小的embedding；LSTM 由隐藏状态维度和层数决定；全连接层；激活函数；输出；预处理对数据进行了预处理，使得batch_size=50, 序列长度为200datai
转载
2024-01-12 00:01:04
394阅读
基于树莓派ROSstm32搭载Freertos智能平衡车Day1前言一 、下位机stm32平衡部分整体框架数据采集进程PID控制进程菜单显示进程交互进程中断处理部分二、框架搭建1.引入库2.mpu6050数据采集进程实现 前言最近跑通了ROS无人车和无人机仿真还有yolo目标检测识别，产生了个做个智能，自主避障+路径规划的独轮，双轮和自平衡自行车想法，于是乎今天开始，一点点探索整理+调试。先从s
转载
2023-11-27 06:15:08
409阅读
文章目录前言一、简介二、BP神经网络的网络流程1.结构2.流程3.实例4.优缺点总结 前言BP(back propagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是应用最广泛的神经网络模型之一。一、简介BP神经网络是一种多层的前馈神经网络，其主要的特点是：是前向传播的，而误差是反向传播的。
转载
2023-08-14 19:34:27
212阅读
卷积神经网络一、卷积神经网络与BP网络（传统前馈神经网络）相比具有以下特点：（1）、采取局部连接（稀疏连接），减少了所需参数； （2）、可直接处理二维数据，故常被用于图片处理操作； （3）、具有三个基本层——卷积层、池化层、全连接层：卷积层CNN算法常用于图片处理，其中卷积层是通过多个卷积核对输入的图片像素矩阵进行局部连接，通过权值共享与卷积的方式进行图片的特征提取得到特征映射数据。（所以卷积核又
转载
2023-09-15 15:36:43
439阅读
（O）关于程序BUG说明，看最后面的红色字体，视频和源代码中都没有说明（一）PID控制算法（P：比例 I：积分 D：微分）（二）首先先说明原理，使用的是数字PID算法，模拟PID算法在计算机这样的系统中是不能够直接使用的，数字PID算法又分为位置式PID控制算法和增量式PID控制算法，那么下面从原理上说明这两种算法（三）原理分析如图 （四）从上面图中我们可以得到定义定义变量
转载
2024-01-19 23:51:41
426阅读
BP神经网络方法。人工神经网络是近几年来发展起来的新兴学科，它是一种大规模并行分布处理的非线性系统，适用解决难以用数学模型描述的系统，逼近任何非线性的特性，具有很强的自适应、自学习、联想记忆、高度容错和并行处理能力，使得神经网络理论的应用已经到了各个领域。近年来，人工神经网络在水质分析和评价中的应用越来越广泛，并取得良好效果。在这些应用中，纵观应用于模式识别的神经网络，BP网络是最有效、最活跃
转载
2023-07-29 11:26:16
499阅读
BP神经网络算法原理BP神经网络算法是一种神经网络学习算法[4]，其原理是在梯度下降法，利用梯度搜索技术，以期使网络的实际输出值和期望输出值的误差均方差为最小。其优点在于泛化能力、自学习和自适应能力强，及特别适合于求解内部机制复杂的问题。BP神经网络算法步骤BP神经网络的过程主要分为两个阶段，第一阶段是信号的前向传播，从输入层经过隐含层，最后到达输出层；第二阶段是反向传播，从输出层到隐
转载
2018-11-07 11:46:43
411阅读
BP(back propagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络。 发展背景 编辑
在人工神经网络的发展历史上，
感知机(Multilayer Perceptron，MLP)网络曾对
人工神经网络的发展发挥了极大的作用，也被认为是一种真正能够使用
转载
2023-09-15 19:39:49
221阅读
1 基本概念BP神经网络是一种通过误差反向传播算法进行误差校正的多层前馈神经网络，其最核心的特点就是：信号是前向传播，而误差是反向传播。前向传播过程中，输入信号经由输入层、隐藏层逐层处理，到输出层时，如果结果未到达期望要求，则进入反向传播过程，将误差信号原路返回，修改各层权重。2 BP神经网络结构BP神经网络包含输入层、隐藏层和输出层，其中，隐藏层可有多个，其中，输入层和输出层的节点个数是固定的（
原创
2021-03-23 20:00:09
3030阅读
深度学习是一种特殊的机器学习，通过学习将世界使用嵌套的概念层次来表示并实现巨大的功能和灵活性，其中每个概念都定义为与简单概念相关联，更为抽象的表示以较为不抽象的方式来计算。卷积神经网络是一种前馈型神经网络，受生物自然视觉认知机制启发而来。卷积神经网络一般用于计算机视觉领域，由于有时候图片像素很多，导致神经网络输入特征值的维数很多。CNN结构图 在结构图中，第一层输入图片，进行卷积操作，得到第二层深
转载
2023-11-12 13:25:25
438阅读
RBF神经网络本文部分资料与案例来源：《MATLAB神经网络43个案例分析》RBF神经网络简述再介绍RBF神经网络之前我们先来看一下径向基函数（RBF），在百度百科上，RBF定义如下：径向基函数是一个取值仅仅依赖于离原点距离的实值函数，也就是Φ（x）=Φ(‖x‖),或者还可以是到任意一点c的距离，c点称为中心点，也就是Φ（x，c）=Φ(‖x-c‖)。简单来说，RBF就是一个表示空间中一点到中心点距
转载
2023-08-31 10:41:21
96阅读
▌01 pyBoard实验板1.pyBoard
▲ pyBoard管脚定义 2.设计合理接口由于pyBoard本身具有很多端口，为了设计适合在面包板上进行实验的实验pyBoard，需要对于pyBoard外部接口进行适当的精简，选择种类丰富的一组（10个管脚）作为外部引脚输出。采用单排针适合将实验板插在面包板上，但也可以使用双排插针的形式。一种最基本的方式，就是利
本网络采用含有一个隐含层的BP神经网络，隐含层后面接一个sigmoid函数，输出层后面也接一个sigmoid函数。下面贴出代码进行分享。首先这个网络是最最传统的BP网络，同时batch_size为1，这段代码后面会贴一段改进后的代码，可以设置batch_size。#coding=utf-8
import numpy as np
import os
from tensorflow.examples.
转载
2023-10-17 18:28:11
166阅读
