Mouser German Blog

Neue Programmiersprachen werden in der Regel als Reaktion auf Unzulänglichkeiten bestehender Sprachen entwickelt. Dies steht häufig mit der Leistung, Benutzerfreundlichkeit oder fehlenden Unterstützung neuer Informatikkonzepte in Zusammenhang.

Auch wenn maschinelles Lernen (ML) für neuartige Forschung auf diesem Gebiet kompliziert und zeitaufwendig erscheinen mag, ist es für den Aufbau eines Konzeptnachweises (Proof of Concept, POC) oft das Gegenteil.

Der Aufbau eines Konzeptnachweises (Proof of concept, POC) für maschinelles Lernen (ML) hört sich vielleicht nach einem Prozess an, der sehr experimentell und unausgereift ist, bei dem es mehr darum geht, ihn zum Laufen zu bringen, als ihn langfristig robust zu machen.

Niemand kann mit dem Aufbau eines Konzeptnachweises (Proof of Concept, POC) für maschinelles Lernen (ML) beginnen, ohne sich mit den Daten zu befassen, die für die Umsetzung dieses Konzepts erforderlich sind.

Angesichts des Hypes um Machine Learning (ML) und dem damit verbundenen Drang, Unternehmen umzugestalten, ist es nicht überraschend, dass längst nicht alle ML-Projekte erfolgreich sind. Häufig führt eine Mentalität, bei der die „Lösung vor dem Problem“ steht, zu schlecht definierten Anforderungen und Zielen für den Einsatz von ML.

Die Automobilindustrie durchläuft einen grundlegenden Wandel, der durch Fortschritte in der Fahrzeugelektronik vorangetrieben wird. Diese Entwicklung hat das Konzept der softwaredefinierten Fahrzeuge hervorgebracht.

Mit der zunehmenden Verbreitung von KI-Applikationen steigt auch die Nachfrage nach einer fortschrittlichen Infrastruktur, die höhere Datengeschwindigkeiten, eine größere Bandbreite und höhere Frequenzen ermöglicht.

In den meisten Ländern wurde bereits die Abschaltung von 2G und 3G eingeleitet. Damit ist LTE-M in einer hervorragenden Position, um sich als die am besten geeignete LPWA-Technologie für das Internet der Dinge zu etablieren. Angesichts der NB-IoT-Beschränkungen wächst die Nachfrage nach LTE Cat 1bis in der Region APAC und der EU.

Bisher waren TMS-Systeme vor Ort implementiert, aber es gibt eine zunehmende Tendenz zur Verlagerung dieser Systeme in die Cloud. Angesichts der Schnelligkeit des Wirtschaftslebens ist Agilität gefragt, die Cloud-basierte TMS, die als Software-as-a-Service (SaaS)-Pakete bereitgestellt werden, in der Regel bieten.

WiFi 7 wird der Katalysator für beispiellose Geschwindigkeit, Latenz, Leistungsfähigkeit und Zuverlässigkeit sein und damit eine Ära der Konnektivität einläuten, in der das Online-Gaming in neue Dimensionen vorstößt.

In diesem Beitrag untersuchen wir, wie sich die zunehmende Verbreitung von IoT und 5G auf die Anforderungen an Edge-Computing und Rechenzentren auswirkt, welche die neuen Ultra Reliable Low-Latency (URLLC), Massive Machine Type Communications (mMtC) und Enhanced Mobile Broadband (emBB) unterstützen.

In diesem Blogbeitrag befassen wir uns mit der Entwicklung von Automotive UX, mit der die Sicherheit des Fahrers verbessert und gleichzeitig ein intuitiveres und intensiveres Fahrerlebnis ermöglicht wird.

Live-Klassifizierungstool für Tests in der realen Welt.

Grundlagen von Edge Impulse – Teil 6: Leistung von Machine-Learning-Modellen verbessern

Rechenzentren in der digitalen Welt sind vergleichbar mit verkehrsreichen Großstädten, in denen riesige Datenströme nahtlos verwaltet werden. Geschwindigkeit, Genauigkeit und Wirkungsgrad sind hier von entscheidender Bedeutung. Die KI mit ihren Machine-Learning-Modellen erfüllt diese Anforderungen perfekt.

In der Robotik und der maschinellen Bildverarbeitung kommen verschiedene Feedback-Mechanismen zum Einsatz, um die Genauigkeit sicherzustellen. Die Erkennung von dreidimensionalen Räumen mit einigermaßen guter Genauigkeit kann auf verschiedene Weise erfolgen. Bei der nächsten Generation von Systemen, die auf Bildverarbeitung basieren, liegt der Schwerpunkt auf einer präziseren Tiefen- und Volumensensorik mit höherer Genauigkeit.

Eine relativ neue Form der parallelen optischen Kommunikation, die ursprünglich für HF entwickelte Nachrichtentechnik MIMO (Multiple Input Multiple Output), gewinnt zunehmend an Aufmerksamkeit. Erfahren Sie mehr.

Im vierten Teil unserer Edge-Impulse-Blogreihe befassen wir uns mit Lernblöcken und dem Ausgabeblock als Abschluss des Create-Impulse-Workflows.

Im zweiten Teil unserer Beitragsreihe zu Edge Impulse gehen wir näher auf den gesamten Arbeitsablauf von Edge Impulse ein.

Edge Impulse ist ein Cloud-basierter Dienst, der es Entwicklern ermöglicht, auf eine Vielzahl eingebetteter Plattformen zuzugreifen, um Sensordaten aus der Cloud zu erfassen, mithilfe dieser Daten ein TinyML-Modell zu trainieren und dieses dann zur Inferenzierung an das IoT-Gerät zurückzusenden. Erfahren Sie mehr!

Computertechnologien und Rechenleistung werden immer besser, während gleichzeitig die Größe der Computerkomponenten schrumpft. Dabei waren die Fortschritte in der Computertechnik in den letzten Jahrzehnten schier unglaublich. Allerdings gibt es Grenzen, bis zu denen Massenmaterialien die Größe von Computerkomponenten verringern können. Seit einiger Zeit wird die Nanotechnologie als Lösung vorgeschlagen, da mithilfe von Top-down-Methoden zur Herstellung von kleineren Nanostrukturen aus herkömmlichen Materialien gearbeitet werden kann.

Die künstliche Intelligenz (KI) gewinnt in der modernen Gesellschaft immer mehr an Bedeutung. Von der Verbesserung wissenschaftlicher Analysen und Bildgebungsfähigkeiten über die vorausschauende Wartung und Überwachung von Abläufen in der Industrie bis hin zum beliebten KI-Chatbot ChatGPT fasst KI allmählich in vielen Bereichen der Gesellschaft Fuß; und ihre Möglichkeiten sind nur durch die verfügbare Hardware und Rechenleistung für die Softwarealgorithmen begrenzt. Da die Rechenleistung und die technologischen Anforderungen an KI-Technologien in allen Bereichen der Gesellschaft zunehmen, muss auch die Hardware mithalten können. Die Nanotechnologie hat bereits Auswirkungen auf die Optimierung in allen Bereichen des Computersektors, und dies gilt auch für die Hardware, die für den Betrieb und die Unterstützung von KI-Algorithmen verwendet wird.

Als Alternative zu herkömmlichen Schaltungen in Elektrogeräten kristallisieren sich leitfähige Tinten aus Nanomaterialien heraus. Erfahren Sie in diesem Beitrag mehr über ihr Potenzial.

Mit der zunehmenden Entwicklung der Quantentechnologie nimmt auch der Wille zu, die physische Architektur effizienter und kommerziell nutzbar zu gestalten. Neben einer photonischen Halbleiterinfrastruktur wird gegenwärtig an der Entwicklung elektronenbasierter Qubits und der Übertragung der darin befindlichen Daten mithilfe von supraleitenden Schaltungen gearbeitet.

Die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) ist ein Teilgebiet der künstlichen Intelligenz, mit dem Computer die inhaltliche Struktur, die Absicht und die Stimmung des Urhebers verstehen können. Dazu werden Linguistik, Informatik und künstliche Intelligenz (KI) miteinander kombiniert und die Computer so programmiert, dass sie große Mengen an natürlicher Sprache verarbeiten und analysieren können. Durch NLP können wir mit Maschinen sprechen, als wären sie Menschen. Wenn Sie also Siri, Alexa, Google Assistant oder andere Chatbots verwenden, werden Ihre Anfragen gefiltert – und Sie nutzen bereits NLP.