441
近年來，人工智能(AI)在推動各個行業(yè)創(chuàng)新方面發(fā)揮了關(guān)鍵作用。視覺和語音技術(shù)的進步促進了大型智能模型的發(fā)展，創(chuàng)造了新的用例，并改善了用戶體驗。越來越多的應用要求能夠在配備微控制器和微處理器的邊緣設(shè)備上運行的AI，這帶來了更低的延遲、更低的能耗以及更強的數(shù)據(jù)隱私保護等好處。在這些應用中，時間序列數(shù)據(jù)通常用于開發(fā)三類主要任務(wù)：異常檢測、分類和回歸。時間序列數(shù)據(jù)是指按一致、均勻的時間間隔記錄的一系列數(shù)據(jù)點。
需要時間序列數(shù)據(jù)的應用
顧名思義，異常檢測的目的是識別超出預期的行為。它依賴時間序列數(shù)據(jù)來檢測與正常行為的偏差，從而觸發(fā)警報或緊急停止，以盡量減少損害。
分類訓練模型通過學習數(shù)據(jù)中的模式來識別和分類輸入信息。這包括在訓練過程中為數(shù)據(jù)點分配標簽，使模型能夠做出準確的決策。一旦模型開發(fā)完成，它們可以有效地識別數(shù)據(jù)中的模式，并對新的輸入進行分類。
回歸任務(wù)旨在根據(jù)數(shù)據(jù)預測連續(xù)值，例如基于歷史電池放電數(shù)據(jù)預測電池壽命或進行電機的預測性維護。溫度和振動傳感器的數(shù)據(jù)可用于預測隨著時間的推移可能發(fā)生故障的幾率。
盡管還有許多其他用例受益于機器學習和AI開發(fā)，但時間序列數(shù)據(jù)仍是其中最復雜、最動態(tài)的一種。
為了在邊緣推進AI，我們推出了eIQ? Time Series Studio (eIQ TSS)，這是eIQ AI和機器學習開發(fā)軟件系列中的新工具。eIQ TSS具備自動機器學習工作流程，可簡化基于時間序列的機器學習模型在多種微控制器(MCU)器件(如MCX MCU和i.MX RT跨界MCU)上的開發(fā)和部署。
Time Series Studio支持多種傳感器輸入信號，包括電壓、電流、溫度、振動、壓力、聲音和飛行時間等，還支持這些信號的組合，實現(xiàn)多模態(tài)傳感器融合。其自動機器學習功能使開發(fā)人員能夠從原始時間序列數(shù)據(jù)中提取有意義的見解，并快速構(gòu)建AI模型，以滿足微控制器的精度、RAM和存儲標準。該工具提供了一個全面的開發(fā)環(huán)境，包括數(shù)據(jù)策展、可視化和分析，以及模型的自動生成、優(yōu)化、模擬和部署。
eIQ? Time Series Studio的分步工作流程
示例應用
為了快速啟動開發(fā)，我們提供了三個主要任務(wù)的示例應用和數(shù)據(jù)集：異常檢測、分類和回歸。該工具中包含每個應用的詳細信息和分步說明，幫助開發(fā)人員順利開始開發(fā)流程。
eIQ Time Series Studio用戶界面的主頁
數(shù)據(jù)輸入
數(shù)據(jù)管理對于確保數(shù)據(jù)清潔、有序和對齊至關(guān)重要。例如，當從室外環(huán)境中的多個傳感器收集數(shù)據(jù)時，由于環(huán)境因素，數(shù)據(jù)可能會有噪聲，且采樣率不同。為了確保模型的準確性，必須以時間關(guān)系為基礎(chǔ)對這些數(shù)據(jù)進行對齊和同步。
開發(fā)人員可以在導入自定義時間序列數(shù)據(jù)時定義通道和類別的數(shù)量。Time Series Studio還提供了多種數(shù)據(jù)查看選項，包括原始數(shù)據(jù)、時間數(shù)據(jù)、統(tǒng)計數(shù)據(jù)和光譜數(shù)據(jù)。
eIQ TSS用戶界面中的數(shù)據(jù)集輸入頁面
訓練和優(yōu)化
當自動機器學習取代傳統(tǒng)的手動迭代開發(fā)過程進行參數(shù)調(diào)整、模型和算法搜索時，模型的訓練和優(yōu)化變得更加容易。只需一鍵即可生成模型，并按精度或閃存/RAM大小進行排序。這將模型訓練和優(yōu)化的時間從幾周縮短到幾個小時。
eIQ TSS用戶界面中的訓練頁面
模擬
模型訓練完成后，可以在虛擬邊緣環(huán)境中使用不同的未見過的測試數(shù)據(jù)集對其進行測試和驗證。這樣可模擬目標設(shè)備環(huán)境，使開發(fā)人員能夠在將模型部署到實際硬件之前驗證其性能和準確性。
eIQ TSS用戶界面中的模擬頁面
部署
編譯所選模型后，可以為應用生成自定義庫。使用該庫非常簡單，只需兩次API調(diào)用。一次API調(diào)用用于初始化模型，另一個用于運行推理。生成的庫可兼容MCUXpresso和Code Warrior IDE。
eIQ TSS用戶界面中的部署頁面
Data Intelligence
用戶通常根據(jù)他們的先驗知識導入時間序列數(shù)據(jù)集。然而，如果沒有進行全面的數(shù)據(jù)分析，這可能會影響訓練數(shù)據(jù)的有效性。例如，采樣頻率可能超過應用程序的要求，或者在分類任務(wù)中，每個類別的訓練數(shù)據(jù)量可能不平衡。
為了應對這些挑戰(zhàn)，Data Intelligence提供了一種實用工具，可以評估數(shù)據(jù)集的平衡性和單個數(shù)據(jù)通道的重要性。該工具不僅可以檢測數(shù)據(jù)不平衡，還能識別可以刪除以優(yōu)化資源的冗余通道。此外，它還推薦最佳采樣頻率和窗口大小，使用戶能夠優(yōu)化數(shù)據(jù)集，提高質(zhì)量并獲得更準確的分析結(jié)果。
eIQ TSS用戶界面中的Data Intelligence頁面
在這個例子中，我們可以確定：
- 在12個通道中，有兩個可能是非必要的，可以刪除它們，以節(jié)省資源
- 原始連續(xù)數(shù)據(jù)的采樣率可能過高，建議將其降低到1/16
基于智能分析，用戶可以更改未來訓練用數(shù)據(jù)集，從而獲得更好的結(jié)果。
Time Series Studio提供了一個無縫的端到端解決方案，旨在降低開發(fā)人員、合作伙伴及客戶使用其數(shù)據(jù)開發(fā)AI解決方案的門檻，并節(jié)省時間。結(jié)合這一新工具與恩智浦全系列的MCU、應用處理器產(chǎn)品以及用于加速AI工作負載的NPU，我們期待各種規(guī)模的組織能夠利用AI的能力進行創(chuàng)新和解決復雜問題。
自1.13.1版本起，eIQ Time Series Studio已包含在eIQ工具包中。
作者：
Ted Kao
Ted Kao是恩智浦的AI產(chǎn)品營銷總監(jiān)，負責AI/ML的支持和營銷。他擁有20多年的創(chuàng)新技術(shù)產(chǎn)品化經(jīng)驗，利用其專業(yè)知識推動AI/ML在恩智浦邊緣處理器產(chǎn)品組合中的普及。在加入恩智浦之前，他負責NPU、微處理器、微控制器以及高級HMI、音頻和多媒體解決方案的產(chǎn)品營銷、戰(zhàn)略合作關(guān)系和產(chǎn)品線管理。Ted現(xiàn)居加州爾灣。
