คำถามติดแท็ก machine-learning

เมื่อเร็ว ๆ นี้ฉันได้อ่านเกี่ยวกับเครือข่ายนิวรัลในสภาพแวดล้อมที่ จำกัด (โดยเฉพาะการใช้งานเครือข่ายนิวรัลในไมโครคอนโทรลเลอร์แปดบิตราคาไม่แพง ) และแอปพลิเคชันของพวกเขาไปยังอุปกรณ์ IoT (เช่นการถดถอย ดูเหมือนว่าจะเหมาะสำหรับแอปพลิเคชันแบบเรียบง่ายที่การประมวลผลไม่สำคัญเวลาและข้อมูลในการประมวลผลจะไม่บ่อยนัก อย่างไรก็ตามการวิจัยต่อไปแสดงให้เห็นว่าการฝึกอบรมเครือข่ายประสาทในสภาพแวดล้อมที่มีทรัพยากร จำกัด เป็นความคิดที่ไม่ดี (ดูคำตอบของมันเป็นไปได้ที่จะใช้เครือข่ายประสาทบนไมโครคอนโทรลเลอร์ ) สิ่งนี้ยังคงใช้กับแนวทางของ Cotton, Wilamowski และDündarที่ฉันเชื่อมโยงหรือไม่? จำเป็นหรือไม่ที่จะต้องฝึกอบรมเครือข่ายที่ออกแบบมาสำหรับการใช้ทรัพยากรต่ำบนอุปกรณ์ที่มีประสิทธิภาพยิ่งขึ้นในเครือข่าย IoT ของฉัน สำหรับบริบทถ้าฉันมีเซ็นเซอร์ที่ส่งการตั้งค่าความร้อนฉันกำลังพิจารณาโครงข่ายประสาทตามที่อธิบายไว้ในกระดาษเพื่อทำนายการตั้งค่าหม้อไอน้ำที่ต้องการตามนั้นและเวลาของวัน ฯลฯ การฝึกอบรมจะมีประโยชน์ในการเปลี่ยนเครือข่ายประสาท เอาท์พุทขึ้นอยู่กับข้อมูลเพิ่มเติมโดยผู้ใช้ คำถาม Quora นี้อธิบายสถานการณ์ที่คล้ายกันได้ดีและกล่าวถึงรายละเอียดการใช้งานสำหรับเครือข่ายนิวรัล

11 smart-home  microcontrollers  machine-learning 

บทความนี้พูดถึง CEO ของ Image Ware [การแก้ปัญหา] ตามมิลเลอร์เป็นชีวภาพที่หลากหลายซึ่งเขาอ้างว่าเป็นไปไม่ได้เลยที่คนผิดจะเข้าถึงระบบคอมพิวเตอร์ บริษัท ของเขาใช้ฮาร์ดแวร์และแพลตฟอร์มที่มีอยู่เชื่อมต่ออัลกอริธึมการจดจำคุณสมบัติทางกายภาพ (นิ้วฝ่ามือมือและภาพพิมพ์และใบหน้าตาไอริส) กับอัลกอริธึมอื่นที่ใช้เซ็นเซอร์ข้อมูลไบโอเมตริกซ์ทั่วไปที่พบในอุปกรณ์มือถือในปัจจุบัน ความรู้สึกของฉันคือว่าเขาพูดเกินจริงเรื่องนี้อย่างใด แต่ฉันไม่สามารถจับนิ้วว่าทำไมวงนี้ถึงไม่จริง สำหรับฉันแล้วดูเหมือนว่าหากวิธีการแบบมัลติเซ็นเซอร์มีประสิทธิภาพอย่างแท้จริงเราจะเห็นฮาร์ดแวร์และซอฟต์แวร์สำหรับกลยุทธ์ดังกล่าวทุกที่ในตอนนี้ เครือข่ายเซ็นเซอร์ IoT ที่หลากหลายสามารถเป็นกลยุทธ์การรักษาความปลอดภัยที่มีประสิทธิภาพและมีประสิทธิภาพได้หรือไม่? (วิธีการหลายเซ็นเซอร์มีประสิทธิภาพหรือไม่) ข้อผิดพลาดคืออะไร?

9 security  sensors  machine-learning  biometrics