在本文中，我们将进行一些分类实验并收集有关隐藏层维度与网络性能之间关系的数据。 在本文中，您将学习如何使用 Python 实现和示例问题修改隐藏层以提高神经网络的准确性。 但是，在我们进入该主题之前，请考虑了解本系列神经网络中的前几篇文章： 如何使用神经网络进行分类：什么是感知器？ 如何使用简单的感知器神经网络示例对数据进行分类 如何训练基本的感知器神经网络 了解简单的神经网络训练 神经网络训练理论简介 了解神经网络中的学习率 使用多层感知器进行高级机器学习 Sigmoid 激活函数：多层感知器神经网络中的激活 如何训练多层感知器神经网络 了解多层感知器的训练公式和反向传播 Python

本文将向您展示如何向使用 Python 等高级编程语言实现的多层感知器添加偏差值。 欢迎阅读由工程总监罗伯特·凯姆 (Robert Keim) 创建的关于神经网络的“关于电路”系列。在继续学习有关偏置节点的课程之前，请考虑学习以下系列的其余部分： 如何使用神经网络进行分类：什么是感知器？ 如何使用简单的感知器神经网络示例对数据进行分类 如何训练基本的感知器神经网络 了解简单的神经网络训练 神经网络训练理论简介 了解神经网络中的学习率 使用多层感知器进行高级机器学习 Sigmoid 激活函数：多层感知器神经网络中的激活 如何训练多层感知器神经网络 了解多层感知器的训练公式和反向传播 Pyth

本文讨论了一个复杂的问题，它会阻止您的感知器达到足够的分类准确度。 在 AAC 神经网络系列中，我们涵盖了与理解和开发多层感知器神经网络相关的广泛主题。在阅读有关局部最小值的这篇文章之前，请先了解以下系列的其余部分： 如何使用神经网络进行分类：什么是感知器？ 如何使用简单的感知器神经网络示例对数据进行分类 如何训练基本的感知器神经网络 了解简单的神经网络训练 神经网络训练理论简介 了解神经网络中的学习率 使用多层感知器进行高级机器学习 Sigmoid 激活函数：多层感知器神经网络中的激活 如何训练多层感知器神经网络 了解多层感知器的训练公式和反向传播 Python 实现的神经网络架构 如何

了解自编码器的关键部分、变分自编码器如何对其进行改进，以及如何使用 TensorFlow 构建和训练变分自编码器。 多年来，我们已经看到许多领域和行业利用人工智能 (AI) 的力量来突破研究的界限。数据压缩和重构也不例外，人工智能的应用可以用来构建更健壮的系统。 在本文中，我们将研究一个非常流行的 AI 用例，用于压缩数据并使用自动编码器重建压缩数据。 自编码器应用 自编码器在机器学习领域引起了许多人的注意，这一事实通过自编码器的改进和几种变体的发明而变得明显。他们在神经机器翻译、药物发现、图像去噪等多个领域取得了一些有希望的（如果不是最先进的）结果。 自编码器的组成部分 与大

本文以MNIST eIQ为例介绍数字检测和识别，它由几个部分组成——数字识别由TensorFlow Lite模型执行，并使用 GUI 来提高 i.MX RT1060 设备的可用性。 i.MX RT1060 跨界 MCU 同样适用于具有成本效益的工业应用以及需要显示功能的高性能和数据密集型消费产品。本文通过解释如何实现可检测和分类用户手写输入的嵌入式机器学习应用程序，展示了这款基于 Arm® Cortex®-M7 的 MCU 的功能。 为此，本文重点介绍流行的 MNIST eIQ 示例，该示例由几个部分组成——数字识别由 TensorFlow Lite 模型执行，GUI 用于提高 i.MX

了解 i.MX 8M Plus 应用处理器如何支持边缘计算，为包括工业任务在内的各种应用加速机器学习。 云计算、边缘计算和基于视觉的系统已经接管了越来越多的工业和消费系统。此外，许多现代系统采用机器学习和人工智能来增强用户体验。这种方法通常需要嵌入式系统设计人员利用各种不同的 SoC 和专用处理器来完成所有这些任务。 然而，恩智浦决定采用不同的方法，他们将图像信号处理器 (ISP)、用于机器学习加速的神经处理单元 (NPU) 和 MPU 结合在一个设备中：先进的 i.MX 8M Plus应用处理器。 图 1. i.MX 8M Plus 应用处理器。 云计算与边缘计算 需要

本文讨论了一种在具有正交输入向量的二维空间中寻找最佳调整点的算法。该算法基于测量数据点求解相交圆的方程。 几个关键的系统性能指标是由对应于幅度和相位的正交输入参数确定的；两个例子是正交调制器载波馈通和边带抑制。这些参数通过优化调制器的直流偏置平衡以及正交基带输入之间的幅度和相位平衡得到改善。 因为在给定二维空间的情况下找到这些参数的最佳调整不是一项微不足道的任务，所以在本文中，我将讨论一种 Python 算法，以在具有正交输入向量的二维空间中找到最佳调整点。该算法根据测量数据点求解相交圆的方程，并在短短四次迭代中找到最佳点。为了举例说明该技术，我使用了德州仪器 (TI) AFE7070 集

步进电机在广泛的应用中运行良好，但可能会遇到转矩纹波和电流失真问题。了解作为可能的解决方案的 Allegro MicroSystems 专有算法 QuietStep。 在许多应用中，步进电机比直流 (DC) 和无刷直流 (BLDC) 电机具有独特的优势。双极步进电机无需使用控制回路或外部传感器即可提供准确的开环位置和零速扭矩。凭借其受控步进功能，步进电机可在各种精密运动控制应用中良好运行，包括闭路电视 (CCTV)、3D 打印机、计算机数控 (CNC)、纺织制造设备和贴片机。 步进电机的成功部署需要对噪声和振动进行有效管理。例如，在闭路电视应用中，振动直接转化为图像传感器和万向节。大变焦

制造商需要的不仅仅是 ERP，以适应未来的发展并为其客户和合作伙伴增加价值。行业领导者正在重新思考“竞争优势”的概念，这是由于大流行等原因加速数字化推动的。其核心是应用智能 ERP 技术来推动关键系统的敏捷性、自动化和智能。 根据 Gartner , 到 2024 年，50% 的工厂工作将在远程完成。此外，IDC 预测，到今年年底，“20% 的顶级制造商将依赖于嵌入式智能的安全主干，使用物联网、区块链、和认知，实现大规模流程的自动化并将执行时间缩短多达 25% ”。然而，这些是大流行前的估计，肯定会加速。 第四次工业革命迎来了一个时代，制造过程中的工业自动化推动了对减少时间和成本的软件系

Plantweb Optics Data Lake 帮助公司大规模统一数据以提高盈利能力 全球工业软件和技术领导者艾默生（纽约证券交易所代码：EMR）今天宣布推出其 Plantweb™ Optics Data Lake，这是一种企业级数据管理软件解决方案，可帮助制造商降低数据复杂性，以便他们能够在整个生产现场充分利用运营数据或来自多个站点，以提高整个企业的盈利能力。 这种新的高级数据管理解决方案可以在本地或使用云技术安全地大规模识别、收集和关联不同的数据。如今，这些宝贵的制造数据通常采用不同的格式，并且分散在整个工厂中，这对公司的数字化转型计划构成了重大障碍。通过有效地统一这些数据，公

在大流行中断一年之后，重新开始关注人工智能和工业 4.0，加速缩短生产时间、降低成本和提高质量的竞赛。随着欧洲食品工厂寻求实用的数据技术和机器来促进更明智的决策和提高效率，Fortress Technology 推出了新的连接软件套件，以简化数据收集程序。 除了 Contact Reporter 等现有的统包包（作为所有 Stealth 和 Interceptor 金属探测器型号的标准配置）之外，Fortress 还推出了通信适配器和 Contact 4.0。在数据检索技术方面为食品工厂提供完全的灵活性和选择，以支持他们的工业 4.0 之旅。 新功能包括 OPC/UA 和以太网/IP

在工程中选择合适的产品数据通常很耗时。然而，新的 EPLAN Data Portal 具有新的用户界面和改进的搜索算法，比以往任何时候都更容易和更快。 扩展的搜索参数意味着用户可以快速准确地找到他们正在寻找的组件。可以直观地生成基于配置器的个性化解决方案 - 正如 Lenze 产品配置器所展示的那样。 新的 EPLAN 平台即将发布，也标志着 EPLAN 数据门户将专门用于 EPLAN ePulse 云环境的时刻。该平台更新的用户界面为搜索和查找设备数据提供了许多增强功能。 改进的搜索算法和参数使用户可以更轻松地快速找到要下载的适当组件。提高系统性能还可以确保选择组件时的速度更快。另

Smart-Ex® 02 用户现在可以独立快速、轻松地将我们的本安智能手机更新至 Android 11，从而受益于尖端操作系统的众多优势和全新功能。其中包括改进的语音控制（语音访问），更好地管理摄像头、麦克风和应用程序位置的访问权限，以及轻松调用所有连接的终端设备并从公共位置管理它们的能力。从现在开始，安全和数据保护更新将通过 Google Play 商店进行，类似于应用程序更新。这赋予用户最大的灵活性来控制更新。 功能强大、用户友好的设计中的现代功能 适用于危险区域的 Smart-Ex® 02 智能手机证明了本质安全性、先进的功能和用户友好的设计并不相互排斥：凭借 4G/LTE 连接

终于来了 - 新的 Eplan Platform 2022。有了它，解决方案提供商 Eplan 预示着电工工程的未来，重点是经验丰富的用户和软件新手的易用性。直观的用户界面基于大多数人已经熟悉的使用概念，在提供高度识别的同时改善了用户体验。 新的 Eplan 平台现已准备好发布，包括全新设计的用户界面、改进的工作流程以及与补充云服务相关的许多附加功能。总的来说，新的工程软件的特点是易于使用和高性能。 这可以在集成的功能区栏中看到，Backstage View 用户可以从许多其他已建立的软件解决方案中识别出来，并且显着改善了用户人体工程学。新的、更直观的用户界面借鉴了常见的国际用户概念，让

不同类型的企业有不同类型的目标，但所有企业都有一些共同的目标：找到节省时间和金钱的有效方法。商业世界不断发生许多变化，技术呈指数级进步；因此，最聪明的企业主是那些看到即将发生的变化并相应地调整工作以获得最佳结果并保持领先地位的人。 优化您的制造系统意味着您可以大规模生产并尽可能减少浪费。现在的眼睛都在盯着制造商检查他们是否对环境的污染做出了贡献，因此他们现在必须密切关注他们以前可能没有考虑过的方面。 为了帮助企业主优化他们的制造系统并节省时间，我们创建了本指南，以帮助您获得最佳结果，从而增加利润。 将你已有的东西用于不同的目的 许多企业主往往犯了一个错误，即使用他们的应用程序仅用于一个

​​你是否认识到客户看的不多的情况尽管价格高昂，测试或测量项目的进展？事实上，到目前为止，“项目 A”和“项目 B”中使用的元素尚未在项目“C”中使用。相反，软件每次都是从头开始开发，这既昂贵又耗时，而且很少是好的解决方案。因此，我想在本文中强调模块化和可扩展的软件解决方案，作为行业测试和测量解决方案的未来选择。 为什么以及如何制作模块化和可扩展的测试和测量系统？ 您是否希望提供价格合理、创新且高质量的测试和测量系统，同时结束昂贵且无休止的测试和测量项目？通过开发能够重用和自定义以前项目中的软件元素的模块化软件基础，​​这是可能的。 除了可能之外，它还将导致： 更高质量：基于标

化学工业是世界经济的核心。该行业的制造过程将原材料转化为 70,000 多种产品 全球范围内，包括脂肪、橡胶、蜡、油、香料和香精。 但是，在制造这些不可或缺的物品时，化工行业并不总是采用最新的创新来确保质量水平保持在高标准——这是一个问题。但是，这是一个可以避免的问题。 人们仍然认为大批量生产产品是增加收入的唯一途径，但事实并非如此——削减成本，特别是在这种情况下与质量水平相关的成本，是一种重要的策略。汽车行业很久以前就意识到了这一点，现在是降低生产成本的领导者。 化学制造中仍然存在人为错误，而这个人为错误的机会之窗仍然比应有的范围更广。在某些情况下，数据表分类仍然是手动完成的，但是

Endress+Hauser 拥有全面的 IO-Link 产品组合 IO-Link 越来越受欢迎，对通信标准的需求迅速增长，尤其是在食品和饮料行业。用于点对点通信的独立于现场总线的技术易于使用，并为工业工厂数字化提供了一种经济高效的方法。 Endress+Hauser 是业内领先的供应商，为大量工艺参数提供范围广泛的 IO-Link 产品。 IO-Link 被视为具有基本功能的测量设备的既定标准，具有数据透明性和通过数字技术进行额外控制等优势。 集成具有 IO-Link 功能的传感器和执行器在食品和饮料行业的机器或滑橇供应商中尤其受欢迎。特别是对于公用事业，具有基本功能的设备非常适合

自主移动机器人 (AMR) 正在改变自动化格局。 AMR 运送大量产品，将最新购买的商品运送到世界各地。他们正在更换叉车，在工厂周围牵引 1,000 公斤的有效载荷。机器人通过将产品从一条传送带移动到另一条传送带，将生产流程拼接在一起。他们甚至会打扫地板。 6 月 17 日，作为由推进自动化协会 (A3) 主办的一系列高管圆桌会议的一部分，六位行业领袖讨论了如何将这些技术应用于您的业务，并探讨了移动机器人的潜在用例。座谈会由 A3 教育战略总监 Robert Huschka 主持。 参与者： Rob Sullivan，AutoGuide Mobile Robots 首席执行官 Aaron

我们现在已经进入 COVID-19 的全球大流行几个月了。我们的心与所有因病毒而受苦的人同在，我们支持帮助我们抗击病毒的第一响应者。虽然目前生活远未达到大流行前的“正常”水平，但我们希望随着抗病毒治疗的改进和有关可能的疫苗的令人鼓舞的消息，我们将在未来几个月内接近正常。 我们的协会比以往任何时候都更愿意为您和您的企业提供帮助。 在面对面会议被取消的这段时间，您的数字存在非常重要，这就是我们的原因对我们的网络工具进行了大量投资，导致我们网站的每年访问量超过一百万。您的会员权益比以往任何时候都更有价值，可帮助您与客户建立联系、寻找新业务并准备好在危机结束后继续前进。 利用您的会员资料页面：