Fujitsu Deep Neural Networks (DNN)

Продукт
Название базовой системы (платформы): Искусственный интеллект (ИИ, Artificial intelligence, AI)
Разработчики: Fujitsu
Дата премьеры системы: 2017/05/25
Технологии: Речевые технологии,  Интернет вещей Internet of Things (IoT)

Deep Neural Networks (DNN) - технология глубинного обучения.

25 мая 2017 года компания Fujitsu объявила о создании механизма распределения памяти для «глубинных нейронных сетей» (Deep Neural Networks, DNN).

Созданная технология может использоваться:

  • в медицинской практике для аналитики - обнаружения диабетической ретинопатии,
  • для анализа и классификации спутниковых снимков,
  • для обработки естественного языка,
  • обработки больших объемов данных на основе графов (включая устройства на основе Интернета вещей),
  • в финансовых транзакциях,
  • в составе социальных сетей и т.п.

Представление перераспределения памяти, (2017)

Для сетей DNN, используемых в различных областях сферы искусственного интеллекта, включая распознавание и классификацию речи и объектов, требуется большой объем вычислительных ресурсов. Это создает большую нагрузку на действующие вычислительные инфраструктуры. В рамках разработки для глубинного обучения модельный параллелизм используется в задачах автоматического распределения нагрузки на память сетей DNN. В результате, возможности инфраструктур для обработки данных, обрабатываемых приложениями искусственного интеллекта, значительно расширяются без необходимости дополнительных инвестиций.

«
За последние годы мы наблюдаем появление разработок, в которых используются аппаратные ускорители для поддержки большого объема вычислений сетей DNN. Постоянное увеличение расходов на вычисления в сетях DNN представляет собой серьезную проблему, особенно когда размер модели сети DNN увеличивается до такого размера, что она не может поместиться в памяти одного ускорителя. При решении проблем, связанных с искусственным интеллектом, требуются более широкие и глубокие нейронные сети, а также более точная классификация категорий. Наша разработка позволяет напрямую решить эту проблему, распределяя требования к памяти сетей DNN по нескольким вычислительным машинам. С помощью нашей технологии можно увеличить размер нейронных сетей до нескольких вычислительных машин для создания более точных и масштабных моделей сетей DNN.

Тсунео Наката (Tsuneo Nakata), главный исполнительный директор Fujitsu Laboratories of Europe
»

Технология позволяет распределить память посредством преобразования беспорядочно организованных нейронных сетей в эквивалентные сети, где отдельные или все уровни заменяются набором более мелких подуровней. Эти подуровни созданы так, чтобы стать полным аналогом оригинальных уровней, но отличаются более высокой эффективностью вычислений. Поскольку оригинальные и другие уровни происходят из одного и того же профиля, процесс обучения распределенных сетей DNN конвергирует с оригинальной сетью DNN без каких-либо дополнительных расходов.Как зародилась масштабная коррупционная схема при внедрении ИТ в ПФР при участии «Техносерва» и «Редсис». Подробности 38.6 т

Робототехника





Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров

За всю историю
2021 год
2022 год
2023 год
Текущий год

Распределение систем по количеству проектов, не включая партнерские решения

За всю историю
2021 год
2022 год
2023 год
Текущий год

Подрядчики-лидеры по количеству проектов

За всю историю
2021 год
2022 год
2023 год
Текущий год

Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров

За всю историю
2021 год
2022 год
2023 год
Текущий год

Распределение систем по количеству проектов, не включая партнерские решения

За всю историю
2021 год
2022 год
2023 год
Текущий год