RMG/941 的软件使其应用领域非常广泛。
它适用于 VPN 访问、各种物联网应用、从任何地方进行高安全性软件更新到复杂的嵌入式机器学习边缘应用。
此外,嵌入式 Linux 系统软件还可以安装其他软件。
亮点
配备 LTE 或 NB-IoT 调制解调器
可自由编程
广泛的机器学习组件
使用 Node-RED 进行数据流编程
通过应用程序增强功能
用户故事 eML
我们使用低成本的三轴加速度传感器对驱动元件进行状态监测。只有通过机器学习才能对状态检测进行足够准确的实时数据分析。
嵌入式机器学习
基于机器学习(ML)的状态监测应用的工作流程包括两个阶段。在训练阶段,首先以文本文件(CSV 文件)的形式从属于特定应用的传感器中收集带有特征向量的历史数据,然后使用合适的 ML 算法建模。
模式嵌入式机器学习 放大图片
在随后的推理阶段,通过有监督的学习,使用数学模型对包含实时传感器数据的单一特征向量进行分析,并对相应的运行状态进行分类。
RMG/941 配备了 Python3 运行环境,其中包含大量数据科学库,可提供各种 ML 功能直至神经网络。
PyDSlog 也是一个用于数据采集的预配置软件,可用于轻松生成用于建模的特征向量。
---