由机器学习驱动的传感器嗅出气体泄漏

根据维基百科的说法，机器学习“是对计算机系统用来执行特定任务的算法和统计模型的科学研究在不使用显式指令的情况下有效地执行特定任务，而是依靠模式和推理。它被视为人工智能的一个子集。” 机器学习不是一种可以插入生产线并使生产线运行得比以前更好的设备。这是一个需要来自许多设备的输入来向其提供数据的过程，以便收集、评估数据并用于开发有关生产线如何工作的知识。 然后可以使用这些知识来确定生产线如何能够具有更高的吞吐量、以更低的成本运行并更可靠地运行。通过这种方式，机器学习将工业运营转变为一个系统系统，能够以更低的成本更快地将产品推向市场，从而使公司能够保持竞争力并让客户满意。 基于过程的机器学习

在计算机出现的初期，科学家们主要用它们来执行简单的数学和逻辑运算。然后，计算机慢慢进化为执行复杂的计算，精心解决问题，并形成世界的信息支柱。超越传统计算的范围意味着计算机需要智能。 研究人员和计算机工程师转向模仿人类智能。人工智能 (AI) 是计算机科学领域，致力于创建与人类一样智能的计算系统。最初的人工智能模型是执行复杂逻辑操作的计算系统。后来，开发了更先进的技术来执行更智能或“智能”的任务。 AI 中最常用的两个术语是机器学习和深度学习。本文着眼于这两种技术的起源、它们之间的共性和差异。 深度学习和机器学习 机器学习和深度学习是人工智能的子集。在它们之间，深度学习是机器学习的

“机器学习”是人工智能的一部分，包括机器从真实数据中学习，而无需直接对其进行编程。在这篇文章中，我们将看到如何利用这些算法可以为行业带来的优势。 机器学习 机器学习是人工智能的一个分支 （AI）允许机器通过算法学习。这些算法从生成模型的真实数据中学习。该模型允许预测什么类或什么类型是新数据。 在机器学习中，我们发现了两种类型：监督学习和无监督学习。 在监督学习中 数据必须正确标注其所属的类，必须有带标签的数据集。 在无监督学习的情况下 ，数据被输入到模型中，没有任何关于它们所属的类的类型的引用，并且根据它们的特征对这些数据进行分类的算法是相同的。 这种类型的机器学习算法允许检测模

到目前为止，每个人都听说过机器学习以及它将如何改变一切。但很少有人知道如何开始改变一切。我希望当您尝试本博客中的步骤，或者甚至阅读它时，将帮助您了解如何开始使用 PLCnext 控制器进行更改。在这篇博客中，我将训练您的第一个 ML 模型，将其转换为 ONNX 标准，并在 PLCnext 控制器上推断模型。为了不让事情变得不堪重负，我将使用著名的 Iris 数据集来构建我们的模型。 在开始之前，应该非常清楚我们将要达到的目标。因此，我将对本博客中处理的主题进行简单的解释。我的参考资料可以在这篇博客的末尾找到。 机器学习简介 什么是机器学习 所以，我想我们应该从解释什么是机器学习开始。机器学