News & Blog

State of Neural Networks

Neuronale Netze f├╝r alle

Hardwarekonzerne optimieren Grafikkarten speziell f├╝r den Einsatz mit Tensorflow und ├╝berbieten sich in den Berechnungsgeschwindigkeiten. Genauso rasant wie Tensorflow entwickelt sich momentan das komplette Feld der Neuronalen Netze. In immer k├╝rzeren Abst├Ąnden werden von Forschern neue Methoden entwickelt, welche das Arbeiten mit den Netzen vereinfachen oder beschleunigen. Die Technologie der Neuronalen Netze bleibt nicht mehr l├Ąnger gro├čen Konzernen vorbehalten, sondern erhalten Einzug in alle Unternehmen.┬á

Qualit├Ąt und Schnelligkeit wachsen rasant

Bei Trevisto passen wir uns an diese Entwicklungsgeschwindigkeit an. Dauerte es anfangs noch 8 Stunden um ein Netz zu trainieren, sind es heute 5-20 Minuten – und das mit einer verbesserten Qualit├Ąt in den Ergebnissen im Vergleich zu herk├Âmmlichen Methoden. Zus├Ątzlich w├Ąchst unser Wissen, das Verbesserungspotential der Architektur weiter auszusch├Âpfen, dessen Grenzen noch lang nicht erreicht sind.┬á

Die Konzentration der M├Ąrkte scheint dabei momentan auf Bildalgorithmen, Spracherkennung und Textverst├Ąndnis zu liegen. Verh├Ąltnism├Ą├čig wenig findet man bisher zum analytischen Einsatz mit Daten, mit denen sich Firmen ├╝blicherweise konfrontiert sehen: Vorhersage von Produktionsmengen, Optimierung von Steuerparametern, K├╝ndigungsvorhersagen von Krediten, Betrugserkennung und ├Ąhnliches.

Die Chance besteht darin, dass Neuronale Netze ohne Hypothesen arbeiten. Durch ihren Aufbau sind sie in der Lage Zusammenh├Ąnge zu erkennen, die selbst Fachexperten verborgen bleiben. Sie lernen selbst├Ąndig Verbindungen herzustellen, indem sie mit purer Rechenleistung und selbstoptimierenden Algorithmen Daten analysieren.┬á

Maschinelles Lernen ÔÇô von Schnittgem├╝se bis Industriefolie

Wir als Trevisto entwickeln und forschen dazu an den unterschiedlichsten Themen des maschinellen Lernens. F├╝r einen Kunden prognostizieren wir die voraussichtliche Abnahmemenge von Schnittgem├╝se, um Produktionsengp├Ąsse zu vermeiden. In einem anderen Fall setzen wir auf ein Training in der Cloud, damit Kunden keine eigenen Server vorhalten m├╝ssen. Bei der industriellen Folienherstellung optimiert maschinelles Lernen die Steuerparameter zur Verbesserung der Qualit├Ąt der Folie. Und die Prognose von Fu├čballergebnissen oder Aktienkursen bieten ein weites Forschungsfeld f├╝r neue Methoden.┬á