مرکز مطالعه هوش مصنوعی این حزب آخرین مدل زمان خود را فلامینگو در انتشار طولانی مدت محصولات بهبود یافته و باز خود به اکوسیستم هوش مصنوعی کشور ادامه داد. این مدل اساسی ، علاوه بر پیش بینی سری های زمانی ، همچنین توانایی دسته بندی داده ها را دارد و موفق به ارتقاء بسیاری از جنبه های مدل اساسی آن شده است.
اگر می خواهید برخی از کاربردی ترین ویژگی های هوش مصنوعی را نام ببرید ، پیش نیاز مدل های آینده قطعاً یکی از آنهاست. این فناوری به لطف توانایی باورنکردنی خود در تجزیه و تحلیل کلانشهر ، پتانسیل ارزیابی رویدادهای آینده مانند نوسانات دوره ارز ، تغییر سهام ، تغییرات آب و هوا و فرآیندهای مشابه را با دقت نسبتاً بالا دارد. این ویژگی باعث ایجاد هوش مصنوعی شد که عمدتاً توسط صنایع مختلف جذب می شود و فعالان اقتصادی ، پزشکان ، توسعه دهندگان ، محققان و غیره را به رسمیت می شناسد. به عنوان دستیار برای تجزیه و تحلیل داده های سری زمانی.
شاخص دقت در مدل های سری زمانی بسیار مهم است و بهبود دقت مدل ها تأثیر معنی داری بر نتیجه نهایی دارد. بنابراین ، مرکز مطالعه هوش مصنوعی این بخش توانست مدل خود را از فلامینگو ، برخی از محدودیت های آن در مدل پایه راه اندازی کند (Google Times FM) برای رفع و با میزبانی ویژگی های جدید مانند دستهبه سطح جدیدی از دقت و کارآیی برسید.
مدل اصلی حزب ، با استفاده از ترکیب داده های واقعی و داستانی ، از جمله 100 میلیارد نقطه داده آموزش دیده ، توانسته است توانایی پیش بینی مدل را به طرز چشمگیری بهبود بخشد. یکی دیگر از ویژگی های این مدل سری زمانی “عملکرد” استسکته مغزی صفر » بدون نیاز به بازگشت مجدد ، می توان بر اساس داده های جدید ارائه داد. علاوه بر این ، این مدل از یک افق پیش بینی 128 استفاده می کند و قادر به انجام پیش بینی های طولانی تر است. این مدل برای تجزیه و تحلیل داده ها از سری زمانی در مناطق مختلف استفاده می شود که برخی از آنها شامل موارد زیر است:
- مالی و اقتصادی: پیش بینی قیمت سهام ، دوره های ارزی و سایر شاخص های مالی
- سلامت: تجزیه و تحلیل داده های پزشکی و نظارت بر بیماران
- سیستم های نظارتی و IoT: تجزیه و تحلیل داده های سنسور ، پیش بینی آسیب تجهیزات
- آب و هوا و محیط: دما ، بارندگی و مدل های جوی
- تدارکات: بهینه سازی مسیرها ، پیش بینی ترافیک و تأخیرها
برنامه های مدل سری زمانی نه تنها در موارد فوق وجود دارد و اکنون این ابزار در زمینه های مختلف استفاده می شود ، مانند بررسی روند احساسات مصرف کننده برای یک برند ، کاوش در استفاده از پهنای باند ، پیش بینی درآمد و روند هزینه و غیره.
اگر امروز به اکوسیستم هوش مصنوعی کشور نگاه کنیم ، پیشرفت چشمگیر آن را در سالهای گذشته مشاهده می کنیم. بخش عمده ای از این تحولات به دلیل تحویل ابزارهای منبع باز است که برای تأمین نیازهای جمعیت بومی و از بین بردن محدودیت خدمات خارجی از جمله عدم پشتیبانی مناسب برای فارسی ایجاد شده است. مرکز مطالعه هوش مصنوعی این بخش یکی از مجموعه های فن آوری های داخلی است که تاکنون مسیر خدمات را بر اساس هوش مصنوعی برای توسعه هوش مصنوعی انجام داده است. Flamingo آخرین ابزاری است که اخیراً از مجموعه قطعات راه اندازی شده است و از آنجا که شفافیت و همکاری با مدل سازی زمان ، معرفی این مدل به عنوان منبع می تواند یک گام طولانی و رو به جلو برای کاهش هزینه های تولید و توسعه باشد.
طبق اعلام مرکز اطلاعات مصنوعی ، این مجموعه با مدل اصلی Flamingo به پایان نمی رسد و مجموعه هدف این است که در آینده کار مدل را با به روزرسانی های مختلف بهبود بخشد. افزودن کارهای جدید ، از جمله تشخیص ناهنجاری و آموزش دامنه های مختلف ، بخشی از دیدگاه های آینده مدل حزب برای مدل بزرگ Flamingos است.
مدل اصلی سری Timing Flamingo اکنون در کد باز موجود است و توسعه دهندگان ، محققان ، تحلیلگران و همه دوستداران هوش مصنوعی می توانند این سری زمانی را از طریق وب سایت Haging Fais به صورت رایگان آزمایش و استفاده کنند.
