Превосходство нейросети Omega Server над классическими нейросетями
Мы создали платформу «Omega-Server», где любой пользователь (заинтересованные лица или организации) могут экспериментировать с нейросетью PANN, используя любые датасеты, и убедиться в уникальных качествах нейросети, а также решать прикладные задачи.
Тотальное превосходство над любой из существующих нейросетей.
1. Быстрее
Omega Server обеспечивает беспрецедентную скорость работы нейросети.
- Обучение нейросети производится в сотни и тысячи раз быстрее, чем у любой из существующих нейросетей.
- Вывод информации происходит на порядки быстрее. Обработка информации в режиме реального времени важны для автономных устройств, например, для беспилотного управления транспортными средствами.
- Преимущество в скорости над существующими нейросетями возрастает по мере увеличения количества данных для обработки.
- Радикальное сокращение времени ваших разработчиков AI приложений и скорости их вывода на рынок.
2. Умнее и мощнее
Архитектура нейросети Omega Server ближе к натуральным нейронным сетям, чем у классических нейронных сетей, поэтому обработка информации происходит эффективнее.
- Динамические изменения и новые данные для Omega Server вводятся до-обучением без необходимости переобучения.
- Возможности масштабирования сети как процессе обучения, так и при конфигурации сети.
3. Проще и надёжнее
Алгоритмы обучения Omega Server просты и надёжны.
- Алгоритм нейросети позволяет более эффективно использовать ресурсы компьютера.
- Нейросеть обладает врождённой высокой “защищённостью” и надёжностью.
- Практически нулевая вероятность “зависания”, типичных при решении задач высокой сложности и при больших размерах нейронной сети.
- Нейросеть просто интегрировать в существующую AI архитектуру, а также использовать как дополнение к существующим системам.
4. Компактнее
Нейросеть Omega Server может работать на более легком оборудовании и небольших устройствах, в том числе и автономных.
- Для вычислений достаточно легкого оборудования. Например вместо — ноутбук, вместо сервера — рабочая станция, вместо суперкомпьютера — сервер.
- Вычисления можно производить на своих мощностях и гарантировать сохранность и конфиденциальность данных.
- Для работы необходимо малое энергопотребление.
- Нейросеть работает на небольших устройствах, гаджетах или автономных устройствах: от часов до дронов, от мобильных телефонов до микро-компьютеров типа “Raspberry”.
5. Дешевле
Создание и вывод на рынок AI приложений с Omega Server стало простым и доступным для всех.
- Кратное уменьшение Капитальных и Операционных издержек.
- Кратное уменьшение стоимости вычислений.
- Экономия человеческого ресурса за счет ускорения тренинга сетей, простоты в интеграции и обслуживании.
- Доступно для стартапов и малых предприятий.Affordable to individuals, start-ups and small businesses.
Результаты тестов
Сравнение с классическими нейросетями.
Мы провели множество тестов нейронных сетей PANN™ в сравнении с другими — классическими — нейронными сетями с использованием популярных датасетов на одном и том же оборудовании с низкой производительностью.
Omega Server подтверждает свое превосходство в скорости как в обучении, так и в работе
Мы готовы провести тесты на любых датасетах и сравнить с любыми нейросетями, чтобы подтвердить заявленные преимущества.
Omega Server быстрее
чем Keras на TensorFlow от Google
| Датасет | Скорость обучения | Скорость работы |
|---|---|---|
| Fashion MNIST | в 22 раза | в 45 раз |
| Pima Indians diabetes | в 46 раз | в 127 раз |
| Wine quality | в 136 раз | в 101 раз |
| Banknote authentication | в 296 раз | в 127 раз |
| Combined cycle power plant | в 1107 раз | в 234 раза |
| Boston house price | в 689 раз | в 183 раза |
| Abalone | в 1251 раз | в 239 раз |
Подтверждённые характерискики и факты
| Характеристика | Классические нейросети-конкуренты* (Google, IBM, Miscrosoft) | Неросейти PANN© |
|---|---|---|
| Требуемое количество эпох тренировки сети | 1 000 000 | 10 |
| Скорость обучения (7 000 образов) | 12 000 сек. (3,3 часа) | 4 сек. |
| Полное распараллеливание задачи при обучении сети | Не возможно | Да |
| Онлайн до-обучение уже обученной сети и удаление ненужных данных | Не возможно. Требуется переобучение | Да |
| Размер сети (количество входов и выходов) | Ограничен. Экспоненциальный рост времени обучения. | Не ограничен. Обработка образов любых размеров |
| Наращивание размеров сети в процессе вычислений | Не возможно | Да. Достраивается сеть любых размеров |
IBM SPSS Statistics 22
Классические нейросети-конкуренты (Google, IBM, Miscrosoft)
Online-демонстрация результатов
Диалог с главным учёным компании Omega Server Борисом Злотиным о применимости PANN в настоящем, ближайшем и отдалённом будущем.
GitHub
Как известно, разработчики нейронных сетей используют различные базы данных для тестирования своих сетей. На GitHub доступны материалы для тестирования Omega Server с базами данных IRIS и MNiST.
Джеффри Хинтон образно описал MNIST как «дрозофилу машинного обучения», что означает, что она позволяет исследователям машинного обучения изучать свои алгоритмы в контролируемых лабораторных условиях, подобно тому, как биологи часто изучают плодовых мушек.
IRIS: https://github.com/Omega-Server/p-net-comparison-iris
MNIST: https://github.com/Omega-Server/p-net-comparison