Мы приветствуем успехи коллег из #СФУ в практическом применении искусственного интеллекта для реальных промышленных кейсов. Также с радостью сообщаем о том, что Сибирский федеральный университет подал заявку на вступление в Ассоциацию «Искусственный интеллект в промышленности»
Искусственный интеллект обучили «читать» русскую пропись
Российские исследователи искусственного интеллекта разработали новую сверточную нейросеть (CNN), способную распознавать изображения рукописных букв русского алфавита с точностью 99%. Работа выполнена специалистами подведомственных Минобрнауки России #СФУ и #ЛЭТИ.
Разработка с высокой точностью распознает текст, написанный кириллицей от руки, независимо от почерка. Кроме того, приложение, созданное под эту нейросеть, защищено от утечки информации, не требует подключения к интернету и надежно с точки зрения конфиденциальности и безопасности пользователя.
Обучение нейросети проводилось с помощью предварительно обработанных данных хранилища CoMNIST. Сначала ученые построили новый набор данных с помеченным изображением для 33 букв российского алфавита. Затем разработали новую архитектуру CNN для обнаружения рукописных букв российского алфавита и сравнили её с уже существующими мощными моделями CNN. После этого представили полное описание сверточной нейросети и исходного кода, чтобы другие исследователи могли воспроизвести эти данные. Для программирования были выбраны язык Python и интерактивная среда разработки Jupyter.
«Набор данных содержит 13299 фотографий, на которых зафиксированы прописные, печатные и написанные курсивом буквы. Приблизительно на 85% этих снимков нейронная сеть (CNN) училась распознавать буквы русского алфавита, а ещё на 15% шла проверка усвоенных “знаний”. Мы сравнили разработанную нашим коллективом модель с наиболее мощными моделями CNN, например, с VGG-16, VGG-19 и другими. Оказалось, что точность нашей модели во время обучения составляла до 99%, всё обучение заняло 3 часа. Точность прогнозирования модели составила до 95,83%», — рассказала руководитель исследования, доцент кафедры систем искусственного интеллекта СФУ Анастасия Сафонова.
Источник: Научная Россия
СПбГЭТУ «ЛЭТИ» и СФУ являются участниками «Ассоциации Искусственный интеллект в промышленности»
Российские исследователи искусственного интеллекта разработали новую сверточную нейросеть (CNN), способную распознавать изображения рукописных букв русского алфавита с точностью 99%. Работа выполнена специалистами подведомственных Минобрнауки России #СФУ и #ЛЭТИ.
Разработка с высокой точностью распознает текст, написанный кириллицей от руки, независимо от почерка. Кроме того, приложение, созданное под эту нейросеть, защищено от утечки информации, не требует подключения к интернету и надежно с точки зрения конфиденциальности и безопасности пользователя.
Обучение нейросети проводилось с помощью предварительно обработанных данных хранилища CoMNIST. Сначала ученые построили новый набор данных с помеченным изображением для 33 букв российского алфавита. Затем разработали новую архитектуру CNN для обнаружения рукописных букв российского алфавита и сравнили её с уже существующими мощными моделями CNN. После этого представили полное описание сверточной нейросети и исходного кода, чтобы другие исследователи могли воспроизвести эти данные. Для программирования были выбраны язык Python и интерактивная среда разработки Jupyter.
«Набор данных содержит 13299 фотографий, на которых зафиксированы прописные, печатные и написанные курсивом буквы. Приблизительно на 85% этих снимков нейронная сеть (CNN) училась распознавать буквы русского алфавита, а ещё на 15% шла проверка усвоенных “знаний”. Мы сравнили разработанную нашим коллективом модель с наиболее мощными моделями CNN, например, с VGG-16, VGG-19 и другими. Оказалось, что точность нашей модели во время обучения составляла до 99%, всё обучение заняло 3 часа. Точность прогнозирования модели составила до 95,83%», — рассказала руководитель исследования, доцент кафедры систем искусственного интеллекта СФУ Анастасия Сафонова.
Источник: Научная Россия
СПбГЭТУ «ЛЭТИ» и СФУ являются участниками «Ассоциации Искусственный интеллект в промышленности»
28 июля прошел семинар Ассоциации «Искусственный интеллект в промышленности»
На семинаре участники Конкурса «Blue Sky Research – Искусственный интеллект в науке» представили свои прототипы проектов:
▪️ Головенкин Сергей (врач-кардиолог, Красноярск), Антамошкин Олеслав (#СФУ) «Интеллектуальная система прогнозирования заболевания инфаркта миокарда».
▪️Даниил Кладько (Университет #ИТМО), Никита Серов (Университет #ИТМО) «Цифровая платформа для предсказания магнитных свойств наноматериалов для биомедицины».
▪️Никита Серов (Университет #ИТМО), Ольга Капустина (Университет #ИТМО) Конструирование нейронной сети, предсказывающей последовательность белкового фермента по реагентам и продуктам».
▪️Екатерина Скорб (Университет #ИТМО), Тимур Алиев (Университет #ИТМО) «Качественное определение наличия ряда антибиотиков в сухом молоке на основе вольтамперных характеристик образцов».
▪️Михаил Медведев (ИОХ РАН), Петр Жиляев (#Сколтех) «Вычисление функционала плотности (DFT) с помощью нейроморфных сетей».
Кратко о проектах команд:
▪️ Врачебная система для отслеживания течения заболевания инфаркта миокарда с 128 параметрами на входе.
▪️Предсказание свойств магнитных наноматериалов для биомедицины на основе анализа научных статей в интернете.
▪️Метод для выявления антибиотиков в молоке при помощи вольтаперометрии и ИИ.
▪️Цифровизация процессов происходящих в головном мозге.
В рамках подготовки к Конкурсу была организована Форсайт сессия «Фронтиры в новых науках», по результатам которой были подготовлены специальные аналитические доклады по конкурсным направлениям:
▪️Передовая-химия
▪️Синтетическая-биология
▪️Искусственный-интеллект-в-промышленности
В следующий четверг на базе Ассоциации «Искусственный интеллект в промышленности» состоится второй семинар Конкурса «Blue Sky Research».
Следите за новостями о следующих семинарах в нашем телеграм-канале, чтобы ничего не пропустить!
На семинаре участники Конкурса «Blue Sky Research – Искусственный интеллект в науке» представили свои прототипы проектов:
▪️ Головенкин Сергей (врач-кардиолог, Красноярск), Антамошкин Олеслав (#СФУ) «Интеллектуальная система прогнозирования заболевания инфаркта миокарда».
▪️Даниил Кладько (Университет #ИТМО), Никита Серов (Университет #ИТМО) «Цифровая платформа для предсказания магнитных свойств наноматериалов для биомедицины».
▪️Никита Серов (Университет #ИТМО), Ольга Капустина (Университет #ИТМО) Конструирование нейронной сети, предсказывающей последовательность белкового фермента по реагентам и продуктам».
▪️Екатерина Скорб (Университет #ИТМО), Тимур Алиев (Университет #ИТМО) «Качественное определение наличия ряда антибиотиков в сухом молоке на основе вольтамперных характеристик образцов».
▪️Михаил Медведев (ИОХ РАН), Петр Жиляев (#Сколтех) «Вычисление функционала плотности (DFT) с помощью нейроморфных сетей».
Кратко о проектах команд:
▪️ Врачебная система для отслеживания течения заболевания инфаркта миокарда с 128 параметрами на входе.
▪️Предсказание свойств магнитных наноматериалов для биомедицины на основе анализа научных статей в интернете.
▪️Метод для выявления антибиотиков в молоке при помощи вольтаперометрии и ИИ.
▪️Цифровизация процессов происходящих в головном мозге.
В рамках подготовки к Конкурсу была организована Форсайт сессия «Фронтиры в новых науках», по результатам которой были подготовлены специальные аналитические доклады по конкурсным направлениям:
▪️Передовая-химия
▪️Синтетическая-биология
▪️Искусственный-интеллект-в-промышленности
В следующий четверг на базе Ассоциации «Искусственный интеллект в промышленности» состоится второй семинар Конкурса «Blue Sky Research».
Следите за новостями о следующих семинарах в нашем телеграм-канале, чтобы ничего не пропустить!
В СФУ разработали ИИ-технологию для вертикальных ферм
Специалисты СФУ разработали программное обеспечение, помогающее непрерывно следить за растениями в сити-ферме, и нейросеть, которая находит некачественный посевной материал и рассаду.
Нейросеть способна контролировать качество растений - отслеживать и выбраковывать слабые и болезненные ростки, чтобы свести к минимуму брак готовой продукции. Аппаратная реализация нейросети сделана на кристалле, это ускоряет все вычисления в несколько раз.
Ученые выяснили, что автоматизация процесса выращивания овощей в таких фермах экономит время сотрудников: не нужно проводить измерения вручную, программы самостоятельно отслеживают все показатели. При этом контролировать работу фермы можно на большом расстоянии с помощью специального приложения.
По данным СФУ, подобная городская ферма для выращивания овощей может практически целиком комплектоваться из деталей отечественного производства.
#СФУ является научным партнером Ассоциации «ИИ в промышленности»
Специалисты СФУ разработали программное обеспечение, помогающее непрерывно следить за растениями в сити-ферме, и нейросеть, которая находит некачественный посевной материал и рассаду.
Нейросеть способна контролировать качество растений - отслеживать и выбраковывать слабые и болезненные ростки, чтобы свести к минимуму брак готовой продукции. Аппаратная реализация нейросети сделана на кристалле, это ускоряет все вычисления в несколько раз.
Ученые выяснили, что автоматизация процесса выращивания овощей в таких фермах экономит время сотрудников: не нужно проводить измерения вручную, программы самостоятельно отслеживают все показатели. При этом контролировать работу фермы можно на большом расстоянии с помощью специального приложения.
По данным СФУ, подобная городская ферма для выращивания овощей может практически целиком комплектоваться из деталей отечественного производства.
#СФУ является научным партнером Ассоциации «ИИ в промышленности»