LogoFullLogoTitlear_Tic_closeic_downloadic_goto_linkic_gridic_mailic_manageric_menuic_phoneic_search

Распределённый искусственный интеллект

Научные разработки Промышленность

Разработка прототипа распределённой системы искусственного интеллекта на базе IoT для нефтегазовой промышленности

Следующая ступень развития:
Распределённые НЕЙРОСЕТИ

Особенности подхода

  • Непрерывно функционирующие (рекуррентные) нейросети без жёстко заданной структуры, не имеющие фиксированной пространственной локализации
  • Отдельные элементы могут включаться в сеть и выходить из её состава непосредственно в процессе работы

Преимущества подхода

Способ объединять разнородную по своей структуре и способам передач информацию и обрабатывать её, снижая потребность в скоростных каналах связи и высокопроизводительной вычислительной технике.

Слои нейросетей формируются таким образом, чтобы первичная обработка находилась как можно ближе к источнику данных.

Математическая основа

Алгоритм Двойственного Функционирования (АДФ) —

в отличии от широко известного алгоритма обучения нейронных сетей Back Propagation, сформулирован в общем виде, позволяющем применять его к любым системам, для которых можно определить функционирование.
(Барцев, Охонин, 1986; Барцев, Гилев, Охонин, 1989; Bartsev, Okhonin, 1991)

 

Функциональная симметрия и функциональный инвариант структуры —

описывают реализацию одной и той же функции нейросетями с различной структурой.
(Барцев, Барцева, 2001; 2002; 2005; 2010)

Характеристики распределённых нейросетей

  • Разворачивается на базе IoT*
  • Отдельные компоненты общей нейросети реализуются на вычислительных мощностях любого количества конечных устройств, например от чипов ESP8266, интегрированных непосредственно с датчиками, до высокопроизводительных центральных серверов.
  • Компоненты объединены беспроводными и проводными каналами связи, формируя облачную структуру.

IoT (Интернет вещей) — концепция вычислительной сети физических предметов («вещей»), оснащённых встроенными технологиями для взаимодействия друг с другом или с внешней средой

Преимущества распределённых нейросетей

  • Адаптируется под каждое новое устройство, входящее в состав, решая вопрос с протоколами обмена данными в среде IoT, при сохранении устойчивого функционирования общей нейросети
  • Обладает высочайшим параллелизмом обработки информации и значительно увеличивает скорости работы
  • Обеспечивает максимальную пространственную распределенность с возможностью включения обработки данных от огромного количества конечных устройств, датчиков и т. д.
  • Обеспечивает максимальную устойчивость к отказу оборудования, так как не чувствительна к выходу из строя отдельных узлов. Нейросетевая архитектура позволяет компенсировать как потерю части вычислительных ресурсов, так и потерю части поступающей информации

Распределённые нейросети, внедряясь как надстройка над имеющейся инфраструктурой, позволяют решить проблемы работы с нечёткими моделями в реальном времени и высокопараллельной обработкой больших данных.

Научно-технический задел

  • Разработана уникальная технология контрастирования — уменьшение размерности нейросети без потери качества работы.
  • Создан макет нейрочипа.
  • Разработана особая структура и принцип функционирования нейросетей для высокоэффективной реализации на ПЛИС.
    Смоделированный с использованием этих подходов нейрон задействует всего 150 вентилей (в случае использования традиционных технологий обычно задействуются 3000–5000 вентилей для моделирования одного нейрона на ПЛИС);
  • Реализована нейросетевая система контекстного сжатия данных.
    Осуществляет функции обработки входящей информации, формирования условного словаря обмена и передаёт весовые коэффициенты другой нейросети с последующим восстановлением исходной информации на другой стороне, при этом коэффициент условного «сжатия» составляет от 300 до 1000 раз.