Cognitive Neural Network Hospital

Основная статья: Data mining Интеллектуальный анализ данных

2024: Анонс технологии, позволяющей автоматически исправлять ошибки нейронных сетей

9 сентября 2024 года компания Cognitive Pilot сообщила о разработке технологии, позволяющей автоматически исправлять ошибки нейронных сетей и оптимизировать эффективность обучения до 40%. Разработанную технологию в компании в шутку назвали Cognitive Neural Network Hospital, за ее способность «вылечивать больные места» нейронной сети. Например, при добавлении в обучающую выборку новых данных по дорожным светофорам, благодаря Cognitive Neural Network Hospital точность распознавания удалось оптимизировать сразу с 99,3% до 99,99%. Технология также позволяет сократить время обучения (с учетом отбора данных) в 15 – 20 раз.

Cognitive Pilot

Оптимизация времени обучения и повышение его эффективности в итоге, позволяют сократить время разработок ИИ-систем автопилотирования, что в итоге дает возможность пользователям наших систем – агрохозяйствам, пассажирам умных трамваев и т.д. возможность постоянно пользоваться современными решениями. рассказал Ольга Ускова, генеральный директор Cognitive Pilot

По данным Precedence Research глобальный рынок разработок ИИ для области беспилотного транспорта составил 2.71 млрд. долл. в 2022 году и достигнет 15.23 млрд. к 2030 г. при динамике 24.1%.

Обучение нейронных сетей - это важнейшая задача, которая может занимать недели и даже месяцы, поэтому мы постоянно проводим исследования и разработки, позволяющие максимально оптимизировать этот процесс. Благодаря созданию Cognitive Neural Network Hospital теперь процесс поиска и исправления ошибок осуществляется практически по нажатию клавиши. Мы смогли разработать и применить такое решение. поведал Геннадий Савицкий, ведущий разработчик Cognitive Pilot

По информации компании, на первом этапе своей работы Cognitive Neural Network Hospital позволяет определять наиболее слабые зоны нейронной сети. Интерфейс системы позволяет получить карту распределения ее результатов распознавания, где зоны ошибок выделяются определенным цветом.

На втором этапе работы системы, исходя из информации о наличии «больных» зон или зон ошибок, технология позволяет выявлять данные, которые не в точности совпадают, но похожи на совершаемые ошибки, которые отстоят от ошибочных не более чем на заданное расстояние.

Средство помогает анализировать, какие есть типы ошибок и классифицировать их по группам.

Мы можем сразу увидеть причину ошибки. Например, в некоторых случаях в ночное время красный сигнал светофора в результате засветки (оптическое явление гало, характеризуемое возникновением вторичного свечения вокруг источника света) воспринимается и бывает ошибочно распознанным, как желтый. Или можем выделить все классы, где автомобильные светофоры попали в пешеходные. заключил Савицкий