除神经网络之外，这些经典机器学习算法让开发人员通过易于使用的技术在STM32微控制器上转换、验证和部署各种学习模型，缩短研发周期，更快地解决人工智能开发挑战。

STM32Cube.AI允许开发人员将机器学习处理任务从云端转移到基于STM32的边缘设备，以减少延迟、节约能源、提高云利用率，并通过大限度地减少互联网上的数据交换来保护隐私。

现在，用户使用STM32 MCU具有额外的灵活性，可以选择高效的机器学习技术进行设备上分析，是长期在线使用案例和智能电池供电应用的理想之选。

LHP150F和LHP300F的设计具有高动态控制水平和能够承受长时间峰值负载的功率级。当出现峰值负载情况时，可以在长达10秒的时间内提供200%的额定功率。

例如，LHP150F 24V输出版本提供6.3A的稳定电流和12.6A的峰值电流。相同的比率适用于LHP150F和LHP300F的所有版本。

对于低谐波电流失真，LHP150F和LHP300F使用有源功率因数校正器（PFC），变换级使用LLC谐振拓扑，结合最新一代的功率半导体可使典型效率达到94%。

(素材来源：eepw和ttic.如涉版权请联系删除。特别感谢）