Omega Server
Готовая к использованию No-Code / Low-сode нейронная сеть нового поколения для решения широкого круга AI/ML задач. Разработана по технологии Progressive Artificial Neural Network (PANN), основанной на принципиально новой архитектуре нейронной сети, более близкой к природным сетям, чем все существующие на сегодняшний день.
- Вычислительный «движок» включает в себя: библиотеку с набором функций для работы с нейросетью типа PANN, запатентованную архитектуру нейронной сети и алгоритмы её обучения.
- Приложение, с помощью которого можно загружать свои данные в нейросеть сервера Omega-Server и применять её для решения своих прикладных задач.
Беспрецедентная скорость обучения
Позволяет производить нейросетевые вычисления, обучение и дообучение нейронной сети в сотни и тысячи раз быстрее, чем любые существующие нейрокомпьютеры. С увеличением объёма данных, потребность в вычислительной мощности и времени обучения растёт незначительно и линейно, в отличие от экспоненциального роста потребностей классических нейросетей. Это преимущество возрастает с увеличением сложности и объёма данных.
Доступность для всех
Для обучения нейросети с заявленной скоростью необходимо более «лёгкое оборудование» по сравнению с классическими нейросетями. Например, вместо десктопа — лаптоп, вместо рабочей станции — десктоп, вместо сервера — рабочая станция, вместо суперкомпьютера — сервер. Совместима с разным «железом»: от микрочипа, видеокарты, телефона до суперкомпьютера и кратно форсирует их вычислительные возможности.
Радикальное снижение издержек
За счёт скорости обучения и простоты в обслуживании резко снижаются затраты на инфраструктуру, энергопотребление и человеческий ресурс.
Качество AI/ML приложений
Возможность до-обучения, масштабирования сети в процессе обучения и постоянного усовершенствования продукта. Практически нулевая вероятность «зависания» с усложнением задач и с увеличением размеров сети.
Безопасность и защищённость данных
Вычисления можно производить на своих мощностях и гарантировать сохранность и конфиденциальность данных. Врождённая высокая «защищённость» и надёжность.
Подтверждённые характеристики
Во столько раз меньшее количество эпох требуется для тренировки сети.
Во столько раз выше скорость обучения на примере 7,000 образов.
Онлайн до-обучение уже обученной сети и «забывание» ненужных данных.
Наращивание размеров сети в процессе вычислений.
IBM SPSS Statistics 22
Классические нейросети-конкуренты (Google, IBM, Miscrosoft)