CANN - Optimisation Avancée des Réseaux Neuronaux Convolutifs (RNC)

Optimisation Avancée des Réseaux Neuronaux Convolutifs

Les techniques de « pruning » simplifient les Réseaux Neuronaux Convolutifs (RNC) afin de réduire coûts et complexité. Toutefois, ces techniques affectent leur fiabilité et précision, cruciales dans les applications critiques. Issu de recherches en intelligence artificielle menées à l'Institut des Nanotechnologies de Lyon (INL, UMR CNRS 5270) et au Dipartimento di Automatica e Informatica (DAUIN) du Politecnico di Torino, le procédé CANN mesure la criticité de chaque poids synaptique en agrégeant les contributions de toutes les synapses affiliées, permettant une stratégie d'élagage plus efficace et ciblée, tout en prenant en compte les aspects dynamiques du poids synaptique.

PULSALYS RECHERCHE

PULSALYS recherche des partenaires stratégiques afin d’intégrer et commercialiser cette technologie avancée dans des secteurs où la fiabilité et la sécurité de l'IA sont primordiales.

RÉFÉRENCE : CANN [D03137]

MOT CLES : Réseaux Neuronaux Convolutifs / Fiabilité / CNN / Pruning / Applications critiques

TRL : TRL 3

Téléchargez l'offre de technologie en cliquant ici

ZOOM SUR L'OFFRE DE TECHNOLOGIE

Applications :	Marchés cibles :
Toutes les applications où les RNC sont utilisés, notamment la reconnaissance d'images et de vidéos, la classification d'images, la segmentation d'images, la détection d'objets, la traduction automatique, et bien d'autres.	CANN est un procédé qui s'adresse à tous les marchés où la performance et la fiabilité des RNC sont cruciales, garantissant une stratégie d'élagage plus efficace et ciblée.
Grace à la protection d'un très faible pourcentage de poids, le procédé CANN permet d'augmenter: Fiabilité : garantie de continuité d'un service correct Disponibilité : capacité à fournir le service à chaque requête Sécurité : absence de conséquences catastrophiques sur l'utilisateur et l'environnement	Demande de brevet US n° 18/583312 Déposée le 21 février 2024

Applications :

Marchés cibles :

Toutes les applications où les RNC sont utilisés, notamment la reconnaissance d'images et de vidéos, la classification d'images, la segmentation d'images, la détection d'objets, la traduction automatique, et bien d'autres.

CANN est un procédé qui s'adresse à tous les marchés où la performance et la fiabilité des RNC sont cruciales, garantissant une stratégie d'élagage plus efficace et ciblée.

Avantages compétitifs :

Propriété intellectuelle :

Grace à la protection d'un très faible pourcentage de poids, le procédé CANN permet d'augmenter:

Fiabilité : garantie de continuité d'un service correct
Disponibilité : capacité à fournir le service à chaque requête
Sécurité : absence de conséquences catastrophiques sur l'utilisateur et l'environnement