Описание проекта
Предлагается разработка нейроморфного процессора на основе нейросетей нового поколения (NGN). В настоящее время проведена разработка математического аппарата функционирования нейросетей нового поколения, исключающие операции умножения и операции с плавающей точкой. Проведена проверка данного аппарата в среде разработанной программной иммитации нейросетей нового поколения, а именно: обучение нейросетей, типовых задач аппроксимации, распознавания, классификации.
В рамках проекта предполагается разработка IP-блоков для ПЛИС, их коммерческая реализация в виде лицензий, а также в виде прошивки заводских плат с ПЛИС (fpga) и продажа аппаратно-программных комплексов ускорения вычислений нейросететй. Также в рамках проекта будет разработана среда конвертации существующих и рабочих нейросетей (например, распознавания, номеров АТС, распознавания лиц и пр.) в нейросети нового поколения.
В последующим проектом предполагается выпуск автономных ASIC, реализующие нейропроцессоры, функционирующие на основе разработанных IP-блоков. Данные нейропроцессоры будут отличаться низким энергопотреблением, высокой плотностью нейронов и большим количеством связей и высокой скоростью работы.
Разработка будет вестись совместно с Дизайн-центром МФТИ.
Будущие рынки: встроенные системы, высокопроизводительные вычисления с низким энергопотреблением, бортовые системы роботизированных и беспилотных комплексов. Также перспективным видится рынок оснащения камер видеонаблюдения непосредственно нейпроцессором для быстрой обработки и анализа входящего видеопотока на борту видеокамеры и сокращения объема передаваемого видеопотока в дата-центры.
ngnecb.ruПрезентации
Пульс
Новость
Командой проекта получено свидетельство о государственной регистрации программы для ЭВМ номер свидетельства: RU 2020665537 "МОДУЛЬ ДЛЯ ФОРМИРОВАНИЯ НЕЙРОСЕТЕВЫХ БЛОКОВ ИНВАРИАНТНЫХ РЕФЛЕКСИВНЫХ ПРЕОБРАЗОВАНИЙ" Программа представляет собой программную среду для имитации нейрофизиологических процессов, возникающих в ходе рефлексивного взаимодействия с внешней средой, заключающегося в выделении ключевых инвариантных признаков объекта, не меняющихся в зависимости от его преобразований. Программа позволяет создавать и обучать нейросетевые блоки, обеспечивающие подобные преобразования, выделять часть блока для использования в качестве компонента в других нейросетях или гибридных способах обработки информации. Тип ЭВМ: IBM РС-совмест. ПК; ОС: Windows 7 и выше.
https://www.elibrary.ru/item.asp?id=44443471Инициация идеи и проекта
Команда проекта выиграла конкурс "Развитие" Фонда содействия инновациям по теме "Разработка технологии оптимизированного обучения нейросетей на малых выборках (One Shot Learning)”.
https://fasie.ru/press/fund/razvitie-dataeconomy-results/Запуск прототипа
Окончена работа по Договору № 313ГРНТИС5/42650 (вн. номер 0042650) от 09.08.2018 г. с Фондом содействия инноваций.
Новость
Командой проекта получено свидетельство о государственной регистрации программы для ЭВМ номер свидетельства: RU 2019618678 "МОДУЛЬ КОНВЕРТАЦИИ НЕЙРОСЕТЕЙ TENSORFLOW ВО ВНУТРЕННИЙ ФОРМАТ ПРЕДСТАВЛЕНИЯ, ПРЕДНАЗНАЧЕННЫЙ ДЛЯ ОПТИМИЗАЦИИ ИХ СТРУКТУРЫ" Программное обеспечение предназначено для конвертации нейросетей, разработанных в программной библиотеке для машинного обучения Tensorflow во внутренний формат представления, предназначенный для оптимизации их структуры. Результатом работы модуля является совокупность файлов формата .csv, содержащих информацию о структуре и весах связей исходной нейросети.
https://www.elibrary.ru/item.asp?id=39318320Новость
Командой Проекта получено свидетельство о государственной регистрации программы для ЭВМ Номер свидетельства: RU 2019615376 "УНИВЕРСАЛЬНЫЙ МОДУЛЬ ПРЕДОБРАБОТКИ РАСТРОВЫХ ИЗОБРАЖЕНИЙ ДЛЯ РАСПОЗНАВАНИЯ ОБЪЕКТОВ С ПРИМЕНЕНИЕМ НЕЙРОСЕТЕЙ". Программа предназначена для предобработки растровых изображений. Нивелируются различия в характеристиках изображений (контрастность, яркость, особенности освещения), выделяются основные структурные элементы, производится сжатие данных, масштабирование. Результатом работы является набор исходных данных для нейросетевых систем распознавания объектов.
https://www.elibrary.ru/item.asp?id=39314546Запуск прототипа
Команда разработчиков, выступая как структурная лаборатория ЗАО "ТВСС", выиграла в конкурсе "Развитие" Фонда содействия инновациям и заключила договор на работы "Облачный сервис для оптимизации структуры нейросетей". Данная работа направлена на коммерческую реализацию разработанного ранее алгоритма редукции нейросетей.
https://fasie.ru/press/fund/itogi-razvitie-nti-3/Инициация идеи и проекта
Сформирована команда проекта: Базарин К.П. (к.м.н.) - Область деятельности: Разработка нейросетевых экспертных систем, систем анализа и моделирования сложных процессов. Разработка нейроморфных вычислительных систем. Инновационный менеджмент. Под научным руководством успешно реализован проект "Разработка аппаратно-программного комплекса для конструирования и оптимизации структуры нейросетей " контракт №313ГРНТИС5/42650 от 09.08.2018. Впервые в РФ нейронные сети были применены к задаче прогнозирования биологических эффектов химических соединений, основываясь только на информации об их структурной формуле. Показана возможность использования такого подхода для задач направленного поиска лекарственных препаратов, оптимизации процессов тестирования новых химических соединений. Методы нейросетевого моделирования применялись в ходе работ по анализу медицинских статистических данных, оценке и прогнозировании работы системы здравоохранения Красноярского края, при разработке медицинской информационной системы ОАО РУСАЛ. Показана возможность эффективного применения нейросетей для прогнозирования биохимических и цитологических показателей реакции организма спортсмена на физическую нагрузку с возможностью создания экспертных систем для индивидуального планирования тренировочного процесса высококвалифицированных спортсменов. Барцев С.И. (д. ф-м.н.) - Один из основоположников российской нейроинформатики. Предложил и испытал Алгоритм Двойственного Функционирования нейросетей, работающих в непрерывном режиме. Руководил проектированием и созданием экспериментального аналогового нейропроцессора. Предложил понятие функциональной симметрии и определил ее конкретный вид для полносвязных нейронных сетей. Разработал принцип редукции избыточной сложности нейронных сетей. Ведущий разработчик в проекте "Разработка аппаратно-программного комплекса для конструирования и оптимизации структуры нейросетей " контракт №313ГРНТИС5/42650 от 09.08.2018. Салтыков М.Ю. (к.ф-м.н.) - Область деятельности: нейросетевые методы в анализе многомерных данных, ГИС системах, моделировании сложных систем. Участник проекта "Разработка аппаратно-программного комплекса для конструирования и оптимизации структуры нейросетей " контракт №313ГРНТИС5/42650 от 09.08.2018. Хныкин А.В. (к.т.н.) - Разработчик в проекте "Разработка аппаратно-программного комплекса для конструирования и оптимизации структуры нейросетей " контракт №313ГРНТИС5/42650 от 09.08.2018. Оленин С.Ю. - Общее и идеологическое руководство Проектом, работа с потенциальными инвесторами.
Запуск прототипа
Разработка матаппарата и запуск прототипа - аналоговый нейропроцессор с использованием 30 нейронов на входящих фотографиях размером 64х64 пикселей (ч/б) определяет человека или автомобиль (легковой). Применяемая технология: - сжатие обученной нейросети (изначально после обучения нейросеть включала 300 нейронов ): технология контрастирования позволяет уменьшить размерности нейросети без потери качества работы; Математической основой разработанной системы является Алгоритм Двойственного Функционирования (АДФ) (Барцев, Охонин, 1986; Барцев, Гилев, Охонин, 1989; Bartsev, Okhonin, 1991), и понятия функциональной симметрии и функционального инварианта структуры (Барцев, Барцева, 2001; 2002; 2005; 2010). АДФ, в отличие от широко известного алгоритма обучения нейронных сетей BackPropagation, сформулирован в общем виде, позволяющем применять его к любым системам, для которых можно определить функционирование. Функциональная симметрия и функциональный инвариант структуры описывают реализацию одной и той же функции нейросетями с различной структурой.
Новость
В рамках конкурса проектов в области микроэлектроники More than Moore проект нейроморфного процессора занял первое место в номинации высокопроизводительные производственные системы. Тогда команда разработчиков выступала под флагом компании ООО "ВИТИМ-ЛАБ".
https://fond.sk.ru/news/b/articles/archive/2014/12/16/fond-skolkovo-nazval-zheleznyh-liderov-more-than-moore.aspx
Инициация идеи и проекта
Старт конкурса проектов в области микроэлектроники More than Moore («За пределами закона Мура») положил началу формализации наработок в области нейросетевых технологий. В итоге родилась заявка на конкурс, в которой описан подход к созданию настоящего нейроморфного процессора. Это событие служит точкой отсчета начала Проекта.
Достижения
Участник акселератора Архипелага
Участник Архипелага 2121
Команда
Контакты
Следят за проектом
