Il corretto design della struttura che definisce una rete neurale è un compito altamente complesso.
La differenza, in termini di qualità dei risultati, con la quale una rete neurale risolve un determinato task è fortemente dipendente da come questa è stata strutturata nei suoi layer e nelle sue connessioni.
In questo articolo gli autori, della Cornell University, presentano un framework grafico capace di identificare lo spazio di ricerca nella quale la rete neurale opera. Tramite la rappresentazione grafica di tale spazio, infatti, è possibile verificare, in modo semplice, se la rete implementata avrà bisogno di pochi o di molti cicli di training per ottenere ottimi risultati.
In Humanativa tale strumento si è rivelato estremamente prezioso per poter migliorare le performance dei nostri algoritmi di intelligenza artificiale. All’interno del nostro gruppo di R&D cerchiamo costantemente di sviluppare reti neurali estremamente intelligenti che in parallelo minimizzino i costi computazionali. Tale processo permette di ridurre il tempo di carico dei server e, nei casi in cui vi siano servizi server cloud, di ridurre il tempo o la spesa da affrontare.
Info su: https://arxiv.org/pdf/1712.09913.pdf