Инженеры Передовой инженерной школы Московского авиационного института (ПИШ МАИ) разработали систему технического зрения для контроля 3D-печати методом селективного лазерного сплавления. Для этого над областью печати устанавливается камера высокого разрешения. Поток изображений обрабатывает нейросеть.

 
 Метод селективного лазерного сплавления применяется в авиации для производства заготовок деталей двигателей и различных узлов. В медицине этот метод используется для производства имплантов. Разработчики считают, что их решение снизит количество брака и издержек на треть. Компьютерное зрение помогает быстро выявить дефекты и проконтролировать правильную геометрию изделия.

 
 Испытания разработки проходили на собственной аппаратуре в Центре аэрокосмических материалов и технологий ПИШ. Но инженеры называют решение универсальным: его можно адаптировать к различным установкам. Компьютерное зрение получило свидетельство о государственной регистрации. Его применяют в интересах Объединенной двигателестроительной корпорации при производстве заготовок деталей газотурбинного двигателя-демонстратора.

 
 Разработка проекта завершена, но планируется ее модернизация. Инженеры МАИ занимаются донастройкой освещения для улучшения качества изображений.

МАИ

В МАИ испытали систему технического зрения для контроля 3D-печати авиадвигателей и медицинских имплантов

Исследователи из МФТИ изучили, как дообучение нейросети влияет на ландшафт функции потерь. Они пришли к выводу, что в определенный момент польза от увеличения данных для обучения становится менее значительной.

 
 Функция потерь показывает, насколько «неправильно» работает нейросеть. Чем ниже ее значение, тем лучше работает ИИ. Авторы исследования утверждают, что раньше никто систематически не изучал вопрос влияния размера выборки на геометрию ландшафта функции потерь.

 
 Ученые обучали нейросеть на наборах данных разных размеров и добавляли к ним по одному объекту. Они измеряли, насколько в среднем изменяется значение функции потерь в найденной точке минимума. Теоретический анализ и экспериментальные данные показали, что по мере увеличения размера выборки ландшафт функции потерь стабилизируется и почти перестает меняться.

 
 «Наша работа показывает динамическую природу ландшафта потерь: как он «устаканивается» и перестает существенно меняться по мере того, как сеть «видит» все больше и больше примеров. Это предсказуемое поведение открывает двери к пониманию того, когда дальнейшее увеличение данных уже не приносит кардинальных изменений в локально выученную модель, что критически важно для эффективного обучения», — объяснил доцент кафедры интеллектуальных систем МФТИ Андрей Грабовой.

 
 На основе исследования можно разработать методы по отслеживанию стабилизации ландшафта функции потерь при добавлении новых данных. Таким образом можно определить достаточный размер выборки для обучения и не тратить ресурсы на сбор, разметку и обработку избыточных данных. По мнению ученых, их исследование поможет в разработке более оптимальных вычислительных архитектур и более эффективных адаптивных алгоритмов машинного обучения нейросетей.

Naked Science

Ученые из МФТИ нашли предел полезности данных для обучения нейросети

Исследователи из Центра искусственного интеллекта «Сколтеха» представили новый подход для генерации структурированных криволинейных координатных сеток с помощью нейросетей.

 
 Построение координатной сетки — ключевая задача для моделирования, объясняют исследователи. По их словам, сетка разбивает сложное пространство на кусочки, где можно считать, как изменяются величины. Без нее расчеты становятся неточными или невозможными. В физике сетки помогают моделировать движение жидкостей и газов, в биологии — рост тканей и распространение лекарств, в финансах — предсказывать колебания рынков.

 
 Авторы считают, что у новой архитектуры есть преимущества перед традиционными методами, такими как уравнения Уинслоу. Решение исследователей «Сколтеха» отличается от других систем, в которых применяются нейросети. Например, в отличие от MGNet в новой архитектуре используются остаточные связи между слоями. Численные эксперименты подтвердили эффективность подхода.

Сколтех

В «Сколтехе» разработали архитектуру нейросети для структурированных сеток

Компания «Максбионик», входящая в состав холдинга «Метиз», презентовала инновационные бионические протезы кистей рук, работающие на собственном облачном ПО. Оно позволяет настраивать протезы с использованием устройств, оснащенных Bluetooth и имеющих доступ в интернет.

 
 Представители компании подчеркнули, что данный софт предоставляет возможность подключения к протезу с компьютеров, смартфонов, планшетов и ноутбуков. Пользователи смогут управлять устройством, обмениваться данными, изменять его настройки и получать техническую поддержку от специалистов удаленно.

 
 Кроме того, разработчики планируют внедрить нейросеть, которая сможет автоматически адаптировать работу протеза. «Надо понимать, что MeOn — наше экспериментальное детище, и одна из новинок — это возможность обучения искусственного интеллекта. Мы хотим получить возможность автоматически настраивать кисть без вмешательства со стороны специалиста», — рассказал представитель компании.

ТАСС

Компания «Максбионик» планирует задействовать нейросеть для автоматической настройки протезов кистей

Решения для оптимизации и ускорения машинного обучения

ICT.Moscow

Подборка решений: MLOps и LLMOps

Heedbook. Нейронные сети на службе клиентского сервиса

Heedbook

Доклад с&nbsp;<a href="https://ict.moscow/event/ict-moscow-demo-day/">ICT.Moscow &amp; Microsoft Demo Day</a>&nbsp;(18.12.18).

Темы:

<ul>
	<li>Heedbook предлагает комплексный сервис оценки удовлетворенности клиентов качеством обслуживания на основе анализа эмоций, внимания, интонаций клиента, содержания его диалога с сотрудником и других параметров.</li>
	<li>Информация предоставляется в разрезе клиентов, сотрудников и офисов компании.</li>
</ul>