Акселерометр-гироскоп с машинным обучением

[realeugene]

Упала мне в почтовый ящик новость от STMicroelectronics, которая мне показалось интересной. Они выпустили микропотребляющий акселерометр-гироскоп для смартфонов с ядром машинного обучения. Вот ссылка на новость: https://www.st.com/content/st_com/en/pr ... 6dsox.html

При ближайшем рассмотрении документации этого ядра машинного обучения (AN5259) оказалось, что внутрь разработчики встроили решающее дерево на 256 узлов максимум и некоторые дополнительные конфигурируемые фильтры, которые, всё равно, нужно обучать внешними средствами.

[photon]

Интересная новость. Спасибо.

Вопрос немного в сторону от ИИ: а зачем (неужели правда нужно?) для смартфонов 2000dps и 16g?

[Dmitriy40]

Ну 16g может понадобиться чтобы не терять слежение при ударах. Впрочем как и 2000dps, не знаю уж на какие скорости нарастания ускорения они заложились, но понизить частоту данных намного проще и достовернее их интерполяции. Было бы логично перекрыть весь диапазон вплоть до предела прочности всего девайса (смартфона), который 10-15g вполне и выдержать (может не во всех направлениях), что в общем не так уж и много кажется ...

[ozheredov]

Machine learning processing is based on logical processing composed of a series of configurable nodes characterized by "if-then-else" conditions where the "feature" values are evaluated against defined thresholds.

То есть дерево мало того что единственное, оно ещё и ДВОИЧНОЕ. Нафиг нужно — лучше использовать гироскоп только как сенсор, а всю обработку загнать в проц — никакого особого энергопотребления там не будет

[realeugene]

ozheredov в сообщении #1380146 писал(а):

То есть дерево мало того что единственное,

"The LSM6DSOX can be configured to run up to 8 decision trees simultaneously and independently."

ozheredov в сообщении #1380146 писал(а):

оно ещё и ДВОИЧНОЕ.

Недвоичное дерево решений, это что?

ozheredov в сообщении #1380146 писал(а):

Нафиг нужно

Быстро пробуждать тот же процессор при наступлении интересного события.

[wrest]

photon в сообщении #1380142 писал(а):

Вопрос немного в сторону от ИИ: а зачем (неужели правда нужно?) для смартфонов 2000dps и 16g?

Улучшение точности акселерометра-гироскопа в смартфонах - вещь потенциально полезная.
Насчет именно 2000 в секунду не знаю, но вот у меня есть в телефоне программа - "вибротахометр" и она легко вычисляет скорость вращения стиральной машины при отжиме 1000 об/мин по вибрации (строит спектр модуля ускорения где на 1000 оборотов виден резкий пик), и показывает также вторую гармонику на 2000 об/мин. Заявлен анализ полосы до 50Гц, т.е. частота опроса наверное в районе 100Гц. До 2000 это еще порядок, но тем не менее.
Чего-то вибрирующего быстрее так вот не придумывается сходу. Кстати - хорошая вещь - можно проверить не дурят ли нашего брата-потребителя производители стиральных машин заявляя одни обороты а на самом деле делая другие. По звуку не померишь особо (слишком много намешано), остаются вот вибрации или стробоскоп.

Ну а вообще интегрирование-то ускорения сейчас плохое совсем, инерционные системы "держат" несколько метров и то если телефон не дергать. А так -- инерционные навигаторы будут работать например в туннелях (или даже - в туннелях метро!). Плюс -- для дополненной реальности хорошо, ибо сейчас например померить длину чего-либо не особо точно можно.

Еще вот в тех же apple watch детектор падения есть - скорую вызывать (или полицию) если носитель часов упал и не шевелится.

[ozheredov]

realeugene в сообщении #1380164 писал(а):

The LSM6DSOX can be configured to run up to 8 decision trees simultaneously and independently."

Аа, блин, проглядел вопрос снят )

Но для random forest этого все равно мало

-- 07.03.2019, 12:24 --

realeugene в сообщении #1380164 писал(а):

Недвоичное дерево решений, это что?

Когда предикатный базис в узле состоит из более чем двух компонент. Скажем, значения параметра: меньше трёх, от трёх до пяти, больше пяти. Понятно что разница существенна только для категориальных переменных, а в регрессионном дереве любое разбиение оси можно представить через рекурсивное двоичное разбиение, но дерево будет глубже