-
电源管理产品: TDK 在面向高功率密度应用的新型直流-直流转换器模块中引入全遥测技术
TDK株式会社(TSE：6762)宣布推出全新 FS160* 系列 microPOL(μPOL)电源模块。 FS160* 系列 μPOL 直流-直流转换器全部配备全遥测技术，具有更高的性能、最小的尺寸以及不同于一般的功率密度等优点。该系列产品现已开始量产。
-
如何更新PSoC™6 AI Eval Kit上的流固件，以利用最新的协议和传感器支持
PSoC™6 AI评估套件带有预编程的流固件，可以将传感器数据从USB端口流式传输到DEEPCRAFT™工作室，用于机器学习模型创建。流固件旨在从集成到套件中的所有传感器收集数据，包括麦克风，加速度计，陀螺仪，磁力计，压力传感器，雷达。
-
什么是具身智能？具身智能和机器学习有什么关系？
为增进大家对具身智能的认识，本文将对具身智能以及具身智能和机器学习的关系予以介绍。
-
AI与显微镜，让医疗影像分析更“清晰”
随着AI技术的迅猛发展，其在医疗领域正展现出较大的应用潜力。AI技术在医疗领域的应用正逐步深入并扩展到多个方面，包括医疗影像、辅助诊疗、药物研发等。例如，在医疗影像领域，AI技术显著提高了诊断的准确性和效率，优化了影像分析过程。在辅助诊疗方面，AI通过分析患者的电子健康记录和基因组数据，提供个性化的治疗建议，辅助医生进行精准手术操作。在药物研发方面，AI技术缩短了研发周期，降低了成本，提高了成功率。
-
在低功耗MCU上实现人工智能和机器学习
人工智能（AI）和机器学习（ML）技术不仅正在快速发展，还逐渐被创新性地应用于低功耗的微控制器（MCU）中，从而实现边缘AI/ML解决方案。这些MCU是许多嵌入式系统不可或缺的一部分，凭借其成本效益、高能效以及可靠的性能，现在能够支持AI/ML应用。这种集成化在可穿戴电子产品、智能家居设备和工业自动化等应用领域中，从AI/ML功能中获得的效益尤为显著。具备AI优化功能的MCU和TinyML的兴起（专注于在小型、低功耗设备上运行ML模型），体现了这一领域的进步。TinyML对于直接在设备上实现智能决策、促进实时处理和减少延迟至关重要，特别是在连接有限或无连接的环境中。
-
协作机器人崛起，赋能智造未来
制造业正在不断创新，寻求更安全、更高效且更具成本效益的大规模生产方式。因此，该行业成为最早采用机器人技术、人工智能（AI）和机器学习（ML）的领域之一。如今，许多制造商都受益于先进的 “协作机器人”（cobots）。 据统计，2023 年全球协作机器人市场估值已达1.2 万亿美元，且预计还将持续显著增长。尽管协作机器人正在改变整个行业，并将带来新一轮的创新浪潮，但制造商要想充分获益，就必须综合考量和有效应对以下七大挑战。
-
恩智浦i.MX 94应用处理器：变革连接
恩智浦半导体发布i.MX 94系列应用处理器，为工业和汽车连接设定了新的标准。作为i.MX 9系列应用处理器的最新成员，i.MX 94旨在提供高性能和低延迟的实时计算能力，这是工业自动化和汽车信息服务应用的关键功能。
-
了解推理时间计算
在机器学习和人工智能领域，推断是将经过训练的模型应用于现实世界数据以生成预测或决策的阶段。在模型接受了训练之后，可以在计算上进行密集且耗时，推理过程允许模型进行预测，以提供可行的结果。
-
从传统规则引擎到机器学习
在技术领域，个性化是使用户参与和满意的关键。个性化最明显的实现之一是通过推荐系统，该系统根据其互动和偏好为用户提供量身定制的内容，产品或体验。从历史上看，推荐系统的第一个实施是建立在基于旧规则的引擎(例如IBM ODM(运营决策经理)和Red Hat Jboss BRMS(业务规则管理系统)的基础上。
-
大规模分布培训
随着人工智能(AI)和机器学习(ML)模型的复杂性增长，训练它们所需的计算资源呈指数增长。在庞大的数据集上培训大型模型可能是一个耗时且资源密集的过程，通常需要数天甚至数周才能完成一台机器。
-
ADI新年寄语 |激活智能边缘，把握数字时代新机遇
新数字时代，随着人工智能、机器学习等技术在全球范围内迅速实现大规模的普及与应用，人与机器的交互方式发生了根本性的变化，这从根本上重塑了我们生活的世界，深刻影响着我们的家庭、工作和娱乐。同时，这些变革还将彻底改变医疗健康、通信、金融、制造等行业，为交通运输、医疗服务等领域带来显著变化。
-
世界走向人工智能的潮流是不可阻挡的
在科技飞速发展的当下，人工智能(AI)如同一股势不可挡的浪潮，席卷着全球的各个领域，深刻地改变着人类的生活方式、生产模式以及社会的发展轨迹。正如华为创始人任正非所说：“世界走向人工智能的潮流是不可阻挡的。” 这一论断不仅体现了行业领袖对科技发展趋势的敏锐洞察，更是对当下社会发展现状的精准概括。
-
2025开年前瞻：技术研发领域的关注要点与未来走向
进入新的一年，技术研发领域将伴随着AI/ML、HI/3DIC 生态系统、光子学乃至量子计算等重要发展势头持续向前演进。这些重要趋势有望激发真正的创新并塑造未来。在此篇文章中，是德科技EDA高级设计与验证业务负责人Nilesh Kamdar 重点探讨了上述关键的技术研发趋势，以及这些趋势在驱动行业取得突破与在全球范围内推动创新等方面的潜力。
-
NVIDIA 携手行业领先机构推动基因组学、药物发现及医疗健康行业发展
IQVIA、Illumina、妙佑医疗国际和 Arc 研究所借助 NVIDIA AI 和加速计算技术，推动规模达 10 万亿美元的医疗健康与生命科学产业的变革
-
Ceva 通过新合作伙伴扩展嵌入式人工智能 NPU 生态系统 加快智能边缘设备的上市速度
帮助智能边缘设备更可靠、更高效地连接、感知和推断数据的全球领先半导体产品和软件IP授权许可厂商Ceva公司(纳斯达克股票代码：CEVA)宣布建立新的合作伙伴关系，推动业界更高效地开发各种设备中的人工智能个性化、便利性和安全性功能。这些合作关系扩展了Ceva-NeuPro-Nano NPU的嵌入式人工智能生态系统，新合作伙伴包括赛微科技 (Cyberon Corporation)和AIZIP公司，旨在提供预优化的神经网络以应对智能边缘设备上的关键词探知、人脸识别和说话者识别，从而缩短开发时间。
-
状态监测传感器和系统故障注意事项
基于状态的监控(CbM)涉及使用传感器来测量当前的健康状态，以监测机器或资产。预测性维护(PdM)涉及使用CbM、机器学习和分析等的技术组合来预测即将发生的机器或资产故障。
-
Molex莫仕2025年预测高速连接技术将实现持续稳定增长，并加速推动各行业电子设计的创新进程
伊利诺伊州莱尔 – 2024年12月23日 – 全球电子行业的领军者及连接技术创新先锋Molex莫仕公司预测，在未来12至18个月内，随着生成式人工智能(AI)、机器学习(ML)以及云解决方案在数据中心、汽车、消费电子和医疗技术等领域产生更大影响，市场对于可靠、耐用且高速的连接器需求将显着增长。同时，为了应对日益增长的创新需求，包括热管理、电源管理、材料科学和电池技术等重要领域的紧迫需求，必须加强电子产品设计师、制造工程师与供应链专家之间的协作，这一点如今变得尤为重要。
-
人工智能对数据中心基础设施带来了哪些挑战
在加密货币和人工智能/机器学习(AI/ML)等新兴应用的驱动下，数据中心的能耗巨大，并将快速增长以满足用户需求。根据国际能源署(IEA)的最新报告，2022 年数据中心的耗电量将达到 460 TWh(太瓦时)，约占全球总用电量的 2%。在美国，拥有全球三分之一的数据中心，耗电量为 260 TWh，占总用电量的 6%。
-
ST1VAFE3BX：意法半导体推出首款超低功耗生物传感器，成为众多新型应用的核心所在
ST 最新推出的生物传感器ST1VAFE3BX 将生物电位输入与意法半导体的加速度计以及机器学习核心相结合并实现同步，从而为下一代需要控制能耗的可穿戴医疗设备开辟了道路。此外，其小巧的封装(2 mm x 2 mm x 0.74 mm)有助于降低制造成本和 PCB电路板尺寸。整体设计对电能的需求也更低，系统架构需求的复杂程度也随之降低。不过，ST1VAFE3BX 保留了先前推出的ST1VAFE6AX 的有限状态机和机器学习核心，确保了能够在边缘端提供人工智能。
-
亚马逊云科技开启re:Invent 2024中国行 重塑企业生成式AI和云上创新
北京——2024年12月18日 亚马逊云科技在2024 re:Invent全球大会上推出一系列技术发布，以覆盖基础设施、模型和应用的全栈联动创新助力企业应用生成式AI，全面重塑客户云上创新体验。
doudou666
kwkam
lvlv99
xsw220
davyean
onlydxk
ttttxxxx
e_town
13526569668
13526569668
aibjinhu521
eanry
liangzai135230
Shawn123
qsddqsdd3
Ragnarok
LED2013
bd7qwmcu
21ic-09
squallner
