首页 科技 > 正文

DarwinAI通过深度学习的设计优化和可解释性平台从Stealth脱颖而出

很多文章的报道都是由微观而宏观,今日小编讲给大家带来的关于DarwinAI通过深度学习的设计优化和可解释性平台从Stealth脱颖而出的资讯也不例外,希翼可以在一定的程度上开阔你们的视野!y有对DarwinAI通过深度学习的设计优化和可解释性平台从Stealth脱颖而出这篇文章感兴趣的小伙伴可以一起来看看

DarwinAI ,一个滑铁卢,加拿大启动创建下一代技术为人工智能的进展,已经宣布它与$ 3M种子资金的新兴隐身的了-通过共同领导明显的风险投资公司和iNovia资本,并 从备受推崇天使制造性破坏实验室多伦多的油门加速器。团队的Generative Synthesis平台利用AI降低了现实设计中高效,高性能的深度神经网络的复杂性和推测。 DarwinAI通过深度学习的设计优化和可解释性平台从Stealth脱颖而出

深度学习的价值以及40%的高管计划在2018年下半年增加其AI投资的事实(来源:毕马威)正在推动采纳。但是,构建,运行和解释深度神经网络背后的复杂性是大多数企业没有训练有素的数据科学家和熟练专家无法解决的问题。为了应对这种复杂性,DarwinAI使用AI本身来了解神经网络的工作原理。生成综合平台生成一个紧凑的网络,该网络可以保持功能保真度并提供有关网络预测的解释,这在受监管的行业中尤其重要。 DarwinAI通过深度学习的设计优化和可解释性平台从Stealth脱颖而出

DarwinAI是由著名的滑铁卢校友团队创立的,其中包括滑铁卢大学教授Alexander Wong博士,软件咨询公司Infusion的联合创始人谢尔登·费尔南德斯(Sheldon Fernandez)和Arifade 于去年被Avanade 收购。麦肯锡公司前财富500强公司技术顾问。

达尔文平台产生了令人印象深刻的结果。对于图像分类任务,该公司的技术生成的深度神经网络的计算效率是Google流行的AutoML和Learn2Compress平台产生的深度神经网络的4.5倍。相同的技术还生成了Nvidia对象检测网络DetectNet的优化版本,其尺寸比原来的小12倍,快4倍。 DarwinAI通过深度学习的设计优化和可解释性平台从Stealth脱颖而出

达尔文(Darwin)独特的方法在概念验证阶段也产生了可观的成果,从而为汽车,航空航天和消费电子行业的客户生成了精简的网络,远远超过了现有技术。该技术特殊适用于在“边缘”实施AI。

“从无人驾驶汽车到移动设备,我们正在看到基于边缘的场景,其中人工智能正在对业务成果产生深远影响,” DarwinAI首席执行官Sheldon Fernandez说。“这个领域的一个关键挑战是设计这些强大的网络,使其在计算和能源资源有限的情况下运行。为此,我们的平台不只是优化工具。它使工程师能够与强大的AI协作以开辟高效且可解释的网络模型。”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。