Finden Sie Hersteller von Technologien und Hardware für maschinelles Lernen sowie Anbieter von Deep-Learning-Tools und -Software für unbemannte Systeme, Drohnen, UAV, UGV, USV und Robotik.
Lesen Sie den Technologieübersicht
Intelligente Lösungen für die Verarbeitung von Schiffsradardaten: Fortschrittliche Wahrnehmung und Situationsbewusstsein für unbemannte und autonome Schiffe
Industrietaugliche eingebettete Computersysteme für KI-Edge-Computing und maschinelles Lernen
Wenn Sie entwerfen, bauen oder liefern Maschinelles Lernen, Erstellen Sie ein Profil, um Ihre Kompetenzen zu präsentieren und mit Besuchern in Kontakt zu treten, die einen konkreten Bedarf an Ihren Lösungen haben.
Maschinelles Lernen ist ein Teilbereich der KI-Technologien (künstliche Intelligenz), deren Ziel es ist, Computern die Ausführung von Aufgaben und das Treffen von Entscheidungen zu ermöglichen, ohne dass sie explizit mit genauen Anweisungen programmiert werden müssen. Dies wird durch die Verwendung von Trainings- oder Beispieldaten erreicht und ermöglicht es Maschinen, die Funktionsweise des menschlichen Gehirns nachzuahmen, wobei die Genauigkeit mit der Zeit zunimmt.
Rajants drahtloser Mesh-Netzwerkknoten für industrielle Anwendungen des maschinellen Lernens
Deep Learning ist eine besondere Art des maschinellen Lernens, bei der weniger Daten im Vorfeld von Menschen klassifiziert werden müssen. Deep Learning verwendet Algorithmen wie neuronale Netze, um die Merkmalsextraktion und Kategorisierung zu automatisieren, und kann mit viel unstrukturierteren Daten arbeiten.
Deep Learning erfordert eine höhere Komplexität und längere Einrichtungszeiten als nicht-tiefes maschinelles Lernen, benötigt jedoch nach der Einrichtung weniger Überwachung, liefert schnellere Ergebnisse und kann auf komplexere Probleme angewendet werden.
Tools für maschinelles Lernen und Deep Learning können in einer Vielzahl von Drohnen- und Robotikanwendungen eingesetzt werden. Eine häufige Anwendung ist die Bereitstellung einer reibungsloseren Flugsteuerung für UAVs (unbemannte Luftfahrzeuge), wodurch das Flugzeug Bewegungen auswählen kann, die zu den gewünschten Ergebnissen führen, und somit die Betriebszeiten verkürzt werden. Verbesserte Kollisions-, Hindernis- und Gefahrenvermeidung sowie intelligente Drohnen-Schwarmoperationen können ebenfalls durch Deep Learning erreicht werden.
ViDAR Maritime – Echtzeit-Objekterkennung durch Sentient Vision
Die Visualisierung mittels Deep Learning kann auch auf Bilder und Videos angewendet werden, die von Drohnen und unbemannten Kamerasystemen aufgenommen wurden. Die Ergebnisse können analysiert werden, um Ziele oder potenzielle Bedrohungen zu identifizieren und zu verfolgen, um die ISR-Fähigkeiten (Intelligence, Surveillance and Reconnaissance) und das Situationsbewusstsein zu verbessern oder um Fehler in Windkraftanlagen, Stromleitungen und Infrastrukturen zu erkennen.
Die Condor XR1S 6U VPX-Karte von EIZO bietet überlegene Grafik- und GPGPU-Rechenleistung für KI und Deep Learning
Drohnen und Roboter können eingebettete Verarbeitungshardware verwenden, um Software für maschinelles Lernen und Deep Learning auszuführen. Diese eingebetteten Lösungen können Einplatinencomputer (SBCs) umfassen, die Allzweck-Grafikprozessoren (GPGPUs) und Zentralprozessoren (CPUs) integrieren. Drohnen und unbemannte Fahrzeuge mit geringem SWaP-Budget (Größe, Gewicht und Leistung) können möglicherweise auch Maschinen- und Deep-Learning-Verarbeitungsprozesse auf entfernte Cloud-Server auslagern.
Suche nach Unternehmen & Produkten
Abonnieren Sie den wöchentlichen eBrief
Die neuesten technischen Entwicklungen direkt in deinen Posteingang - schließe dich Tausenden von Ingenieurinnen und Ingenieuren an, die diesen Newsletter erhalten.
