Chris Cheng,惠普企业
2016年成立了机器学习先进电子技术中心(CAEML)。它的许多研究已经开始在现实世界的应用中结出成果。我们将重点介绍两个使用CAEML研究结果的惠普企业应用程序。
第一个是使用主成分分析(PCA)和多项式混沌扩展(PCE)代理模型的56G PAM通道优化和训练加速。测量了一个56G PAM SerDes和一个不同损耗的信道,并使用机器学习技术加速信道优化过程,在不使用任何仿真的情况下正确建模SerDes。
第二种是基于CAEML开发的机器学习技术的主动硬件故障预测方法。该方法目前正在现场应用,可以主动从现场移除驱动器,以避免潜在的性能下降和数据丢失。
报告涵盖:
CAEML研究者使用MATLAB®以及在应用程序开发过程中广泛使用的相关工具箱。例如,使用标准的MATLAB PCA包,而定制的MATLAB代码为多项式混沌扩展代理模型和随机推理特征选择函数。丰富的数学库允许快速开发原型特殊函数。
记录时间:2019年11月6日
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。