NEURECO : THE AUTOMATIC PARSIMONIOUS NEURAL NETWORKS FACTORY
NeurEco introduces a new generation of neural networks, based on parsimony. Using NeurEco’s parsimonious approach, the resources required for implementing artificial intelligence are reduced by several orders of magnitude. This includes reduction in the necessary amount of learning data, computing resources, development time, and energy consumption.
NeurEco is an ANN (artificial neural network) factory. It generates parsimonious ANN models automatically, using only the learning data provided by the user.
Note that in the near future, a new convolution-based family of add-ons will be added to the product to handle the problems where the inputs are represented by data on regular grids (for example regression problems with images as inputs).
NeurEco can be used from the command line or via a user-friendly graphical interface and can accept the following data formats: csv, npy and MATLAB matfile.
It comes with an additional API for Python3, making it much easier to interact with standard AI environments.
It allows to export the generated models to C, ONNX or FMU.
Please find our documentation here
NEURECO TABULAR
TABULAR REGRESSION
Cette solution est utilisée pour créer des modèles de réseaux neuronaux où les sorties sont des valeurs aux points d'un processus continu (données physiques, données mesurées…). NeurEco créera un modèle prédictif de régression qui se rapproche du processus sous-jacent par une fonction (f) des entrées (X) à la variable de sortie (Y).
TABULAR CLASSIFICATION
Cette solution est utilisée pour créer des modèles de réseaux neuronaux effectuant une classification prédictive supervisée. Elle est utilisée lorsque la variable de sortie est une catégorie et que le modèle tente de classer les données, c'est-à-dire de tirer des conclusions à partir d'observations et de prédire des étiquettes de classe catégorielles.
TABULAR COMPRESSION
Cette solution est utilisée pour créer des modèles de réseau neuronal où les cibles sont les mêmes que les entrées. Ces modèles compresseront l'entrée dans une représentation de dimension inférieure, puis reconstruiront la sortie à partir de cette représentation. La représentation est un résumé compact ou une compression de l'entrée. Cette solution est un outil puissant pour réduire la dimensionnalité sans perdre la signification physique des entrées.
NEURECO DYNAMIC
Il s'agit d'un module complémentaire de NeurEco qui gère les problèmes où les échantillons de l'ensemble de données d'apprentissage représentent une séquence de données à temps discret.
DISCRETE DYNAMIC
Cet add-on créera des modèles neuronaux récurrents avec des capacités de prédiction à long terme très précises.
To see NeurEco in Action or to find out more
Several types of licenses are available to meet your usage needs: single-user / floating ; annual / perpetual.