
機械制御に特化したエッジAI:MEMORY SAVING TREE
MEMORY SAVING TREEの動作検証済みマイコン
- STマイクロエレクトロニクス社:STM32ファミリ
- ルネサスエレクトロニクス社:RAシリーズ
- NXP Semiconductors社:LPC5500シリーズ
※2022年7月現在(順次追加予定です)
特徴① 軽量かつ高速
極小メモリのコンピュータで動作可能 / 短時間(μ~m秒オーダー)かつ一定速度で動作可能
Core | Clock [MHz] | FPU | Model size[KB] | Prediction time[μs/record] | |
---|---|---|---|---|---|
STM32H747 (on SRAM) | M7 | 400 | ○ | 19.2 | 62 |
STM32H747 (on FLASH) | M7 | 400 | ○ | 108 | |
STM32F446 (on SRAM) | M4 | 180 | ○ | 180 | |
STM32F446 (on FLASH) | M4 | 180 | ○ | 190 | |
STM32G474 | M4 | 170 | ○ | 208 | |
STM32L476 | M4 | 80 | ○ | 384 | |
STM32F303 | M4 | 64 (Max 72) | ○ | 757 | |
STM32G031K8 | M0+ | 64 | × | 2612 | |
STM32F091 | M0 | 48 | × | 3300 |
使用したデータ:
データセット:Airfoil Self-Noise Data Set
説明変数次元数:5
目的変数次元数:1
特徴② 高精度
一般的な学習器と同等以上の予測精度

特徴③ 更新性
デバイス上で常に学習、予測を限りなく正確に
課題1. 未学習領域の存在
事前にあらゆるデータを網羅的に学習したAIモデル作成は困難
・青色の線が予測したい真の値、赤色の線がAIモデルの予測値
・赤色の線が水平になっている部分は、未学習領域で、予測値が真の値と乖離
・MEMORY SAVING TREEは追加データで学習し予測値の更新が可能

未学習領域の追加学習
課題2. コンセプトドリフトによる精度低下
外部環境の変化や、経年劣化等で、AIモデル作成時からデータ傾向が変化
・青色の線がデータ傾向が変化した後の真の値、赤色の線がAIモデルの予測値
・データ傾向が変わっているため、全体的に予測値が乖離
・MEMORY SAVING TREEは追加データで学習し予測値の更新が可能

コンセプトドリフトへの追従