嵌入式世界–***的嵌入式系统国际展览会无论是电子系统，分布式智能，物联网或电动交通的安全性还是能源效率–纽伦堡的嵌入式世界博览会都可以让您体验嵌入式系统的整个世界。发现嵌入式领域的创新，与***会面并获得新客户：来自世界各地的大约900家参展商和众多演讲者将展示整个频谱–从建筑元素到模块，完整的系统，操作系统，硬件和软件，再到服务–为国际贸易访客和会议参与者。2021年德国纽伦堡国际嵌入式系统展EMBEDDEDWORLD2021展会时间：2021年3月2-4日展出地点：纽伦堡国际展览中心主办机构：纽伦堡国际博览集团主办周期：一年一届参展联系：何小姐（Rebecca）Tel：0755-83148314-8017|***：87917062E-mail:Rebecca@Seric-|Mob：188-1188-8196展品范围硬件：组件/模块/各种应用程序系统、硬件配件以及安全嵌入式系统的模板；工具：软件/硬件、-数据安全/安全嵌入式系统相关软件，算法和操作系统；应用程序：实时操作系统/可视化软件/互联网浏览器、测试和验证软件/通信软件开发/其他应用程序；服务：系统研发/电子制造/通信服务/咨询与培训/行业媒体/其他服务、风险评估与漏洞分析/安全嵌入式系统结构与认证等。在2020年嵌入式行业世界国际会议上，来自42个***的900多家参展商展示了嵌入式系统技术的整个价值链。嵌入式世界会议和电子显示会议在高水平上深信不疑。来自46个***的1,500多名参与者和演讲者来到了该行业的知识库。在“连接嵌入式智能”的标题下，主要关注点是可以通过***网络获得的大量数据与如何将其发送到云并进行处理的问题之间的紧张关系。因此，主要***还放在电子系统的安全性，分布式智能，物联网以及电动出行和能源效率等主题上。提供的产品和服务范围从软件和硬件，工具，服务和系统到系统和应用程序软件。人工智能（AI）领域的解决方案代表了另一个中心主题：这里的***尤其放在应用领域和潜力上。在展台和嵌入式世界大会上，人工智能将成为2020年嵌入式世界的热门话题之一。但是，“AI”在“嵌入”的上下文中是什么意思？嵌入式技术与云和互联网巨头的AI产品有何区别？人工智能的作用是什么？该技术如何集成到面向工业应用和消费者的设备中？-这将在嵌入式世界大会上讨论，并在展厅中演示。人工智能（AI）处理智能行为和机器学习（ML）的自动化。人工智能是现有和未来应用数字革命的先驱驱动力之一。如今，对于面向“大”“大数据”的应用程序，这变得越来越正确，在这种应用程序中尝试进行例如识别和预测社交网络中大量数据的模式以分类或预测客户行为。但是，这也越来越多地应用于工业应用。特别相关的是所有行为，属性，状态，维护间隔或剩余期限也必须进行分析或预测的应用。智能从云转移到设备这样的边缘应用程序通常基于嵌入式系统，该嵌入式系统的处理能力比传统的云服务器要低得多，传统的云服务器通常在其上计算AI和ML问题。尽管嵌入式微控制器的内存和计算资源有限，但这一领域正在蓬勃发展。主要原因是构建小型，经济***，自治和自适应系统的强大能力。这远远超出了传统的基于静态模型的控制算法的功能。自主车辆，自主机器人或交互式助手只是其中的几个例子。嵌入式系统通常在边缘计算的意义上并不是孤立的，而是经常与云（云计算）或中间系统和网关中的其他资源进行交互，因此，在经典的嵌入式AI系统中，学习是在云中进行的，决策是在边缘进行的。然而，越来越多的架构被设计为在嵌入式终端节点（边缘系统）上学习有限复杂性问题的解决方案。另外，可以观察到发生多级学习的越来越多的应用程序。由于仅将预先学习的（即抽象的）模型传递到下一个级别，因此，这不仅在负载平衡方面而且在信息的***性方面都具有优势。嵌入式世界中的智能和自治系统在这些多级和耦合解决方案的过程中，所涉及的雾计算节点之间的负载平衡和信息交换变得越来越重要。因此，在其第18年的***大的嵌入式系统会议上，嵌入式世界会议（ewC）选择了座右铭“连接嵌入式智能”。因此，ewC再次获得了90年代以前活动之一的头衔。当时，“嵌入式智能”或多或少是对未来的愿景。如今，在计算和通信性能越来越便宜的时代，边缘，云和雾计算之间的新架构以及进一步发展的算法，具有无限可能的真实产品和解决方案以及连接解决方案已经面世，目前，以下应用程序备受关注图像中的自动模式识别为已经蓬勃发展的“EmbeddedVision”（ewC还将专用于整个轨道）的应用领域赋予了更大的动力。相机系统不仅变得更便宜，更节能，更小。诸如自动驾驶汽车中的行人识别，通过面部识别来识别人的身份（有时可能会引起问题）来监视人员并***其运动模式和动作的应用，***匹配或工业光学质量控制（自动光学检查，AOI）等应用现已广泛应用也受到此类系统的支持。状态监视和机器，工厂或工厂组件的预测性维护是第四次工业革命（工业4.0、4.0）的核心领域。后，自治系统通常会从开发中受益匪浅，以便通过“附加经验”进一步优化复杂的决策。这包括自动驾驶，自动机器人技术（可能还包括协作机器人技术或智能辅助系统）的所有面向未来的领域。此外，还有许多其他应用程序可以从AI和ML的使用中受益。通常，在问题变得如此复杂或如此结构化以至于经典建模方法开发起来太耗时，太昂贵或太不灵活时，总是可以有利地使用基于AI的系统。软件开发人员面临的挑战这种方法使经典的软件开发模型颠倒了。现实模型不再是手动创建的，而是通常首***行分析然后进行综合。遵循传统方法，将复杂的问题分解为较小的子问题，然后在各个子问题中进行解决和验证。相反，将自动完整地生成模型。但是，这也意味着可以使用准“未知”且通常非常复杂的模型，并且现在必须对其进行验证。复杂性管理，系统稳定性，测试和测试覆盖率等问题必须以全新的方式解决，尤其是当这些算法实现对安全至关重要的功能时。)