Búsqueda · 20 momentos en 7 episodios
Sara RobiscoJuan Carlos GilFrancis VillatoroHéctor SocasGastón Giribetefecto hall simpáticomodelo aprendizaje automático motores hallcorriente descarga ánodo cátodoconsumo eléctrico motor paneles solaresmodelo hall nn para rendimientoredes neuronales sara en paralelorobustez predicciones hall nnSaraHall Neural NetworkJuan Carlos GilHéctor SocasHall NNiVooxmotores de efecto Hallmodelo Hall NNHAL 90002001: Una odisea del espacioUniversidad de Michiganmotores serie KHTOdysseyefecto Hallserie KHTmotores Hall'2001: Una odisea del espacio'Sara Robisco
Modelo Hall NN entrenamiento
Con
0:000:301:001:302:002:303:12
Juan Carlos Gil introduce un modelo llamado Hall NN (Hall Neural Network) para predecir el rendimiento de una fuente de iones, explicando que utiliza múltiples redes neuronales en paralelo.
…Instituto de Tecnología de Georgia, pero el Georgia de Atlanta, no el Georgia, no el Georgia Pais en Estados Unidos En este caso el objetivo de este artículo era desarrollar un modelo de aprendizaje automático para eso, para predecir el rendimiento, en este Caso solamente de los motores Hall, el que os hablaba del efecto Hall tan simpático. En particular, pretenden obtener como resultado del modelo combinación de empuje, una clave de las que estamos hablando, y corriente de descarga. La corriente de descarga es la corriente que se forma entre ánodo y cátodo, que a la postre va a determinar el consumo eléctrico de tu motor, así que tienes que tenerlo en cuenta para poner los paneles solares suficientemente gordos. Bueno, pues ahora hay un modelo que llaman Hall NN, Hall Neural Network, si quieres, Hall NN, que usa un conjunto de redes neuronales, Sara, que he tenido que buscarlo, ¿qué era esto? Varias trabajando Al final es razonablemente sencillo y lo que consigues, como dices ahora, varias en paralelo, pues es aumentar la robustez de las predicciones. Cada uno explora ahí su espacio de fases extraño de forma posiblemente distinta y los resultados son: disminuyes la variabilidad, lo cual está fenomenal. Eso tiene un nombrecito que se llama… En inglés la palabra Ensemble. Esto es el Vagin. La técnica de…
Significado #1 · Palabras #1
Héctor Socas y Sara Robisco comentan sobre la experiencia de entrenar redes neuronales en el pasado, donde los resultados tardaban varios días.
Habla: Héctor SocasSignificado #14redes neuronales tardaban una semanaentrenar redes neuronales día nocheestadísticas para evaluar redes neuronales…y me sale el resultado, la escala de le doy al botón me voy a comer y en un par de horas está el resultado, y la escala de 10 horas, le doy al botón y el día siguiente veo el resultado o el fin de semana como dice Uy, al día siguiente, yo he tenido redes. neuronales que tardaba una semana en entrenar y poniéndolas, dejándolas, eh, día y noche. Sí, yo también, y las dejabas, ibas viendo; además me iba dando con el resultado parcial, la iba usando, iba viendo si la cosa más o menos iba en la dirección deseada, iba mejor, iba peor. Yo le ponía que fuera escupiendo estadísticas para decirme cómo iba, y claro, había veces que llevabas 4 o 5. Días y veías que no mejoraba ni de coña y decías: ya voy a parar, no sé qué, y de repente alguien te decía: no, no, no, que creo que hay 5 o 6 días. Es una película de acción a espabilar. El ordenador, bueno, la Surface la tengo aquí, se hinchó porque la…
Juan Carlos Gil introduce un modelo llamado Hall NN (Hall Neural Network) para predecir el rendimiento de una fuente de iones, explicando que utiliza múltiples redes neuronales en paralelo.
Habla: Juan Carlos GilSignificado #1 · Palabras #1efecto hall simpáticomodelo aprendizaje automático motores hallcorriente descarga ánodo cátodoconsumo eléctrico motor paneles solaresmodelo hall nn para rendimientoredes neuronales sara en paralelorobustez predicciones hall nn…Instituto de Tecnología de Georgia, pero el Georgia de Atlanta, no el Georgia, no el Georgia Pais en Estados Unidos En este caso el objetivo de este artículo era desarrollar un modelo de aprendizaje automático para eso, para predecir el rendimiento, en este Caso solamente de los motores Hall, el que os hablaba del efecto Hall tan simpático. En particular, pretenden obtener como resultado del modelo combinación de empuje, una clave de las que estamos hablando, y corriente de descarga. La corriente de descarga es la corriente que se forma entre ánodo y cátodo, que a la postre va a determinar el consumo eléctrico de tu motor, así que tienes que tenerlo en cuenta para poner los paneles solares suficientemente gordos. Bueno, pues ahora hay un modelo que llaman Hall NN, Hall Neural Network, si quieres, Hall NN, que usa un conjunto de redes neuronales, Sara, que he tenido que buscarlo, ¿qué era esto? Varias trabajando Al final es razonablemente sencillo y lo que consigues, como dices ahora, varias en paralelo, pues es aumentar la robustez de las predicciones. Cada uno explora ahí su espacio de fases extraño de forma posiblemente distinta y los resultados son: disminuyes la variabilidad, lo cual está fenomenal. Eso tiene un nombrecito que se llama… En inglés la palabra Ensemble. Esto es el Vagin. La técnica de…
Juan Carlos Gil explica cómo funciona un modelo llamado Hall NN para predecir el rendimiento de una fuente de iones, describiendo un proceso que involucra múltiples redes neuronales y la selección del resultado más votado.
Habla: Sara RobiscoSignificado #2 · Palabras #7modelo hall nn para rendimientoresultado más votado hall nnretiro outliers modelo hallmodelo hall nn hal 9000predicciones motor nave odysseyhall gente dave temomodelo hall nn odysseyefecto hall física doble lcálculos en tiempo real hall nnmodelo hall nn trece parámetrosflujo propelente motores efecto halldiferencia potencia entrada cátodo hall…no puedes meter uno de su padre, otro de su madre, cosas distintas porque no te funciona bien. Pero entonces tienen distintas semillas o algo, porque si no… Claro, son todas iguales, pero entrenan con… Lo que haces es que los datos de entrenamiento se los vas mezclando Entonces lo que haces es el resultado que das, que te va dando cada una, te da un resultado distinto y tomas el resultado más votado Entonces aquel con más votado, pues ese que tú dices, este es el bueno Aquí creo que usan todos y luego hacen estadística Claro, sí, sí, eso que se hace Retiran los outliers y Puedes coger el más votado, puedes coger, depende del valor que te den Puedes coger la media, puedes coger lo que... pero sí, es iVagin Bueno, el modelo se llama Hall NN o Hall New Grand Airbook, estaba esperando a ver si a alguno le surgía porque a mí me hizo mucha gracia Héctor Me recordó el nombre al Hall 9000, ¿no? que controlaba la nave ¿Recordáis? de 2001 uno dice en el espacio Es curioso porque el Hall NN nos va a permitir hacer predicciones del motor que moverá aquella nave cuando llegue, ¿no? Esperemos que no nos diga eso de, lo siento Dave, me temo que no puedo hacer eso No puedo hacer eso, porque Hall, la gente a lo mejor no es Consciente, porque en la película parecía como una interfaz que hablaba con la gente, pero realmente su misión era controlar la nave y supongo que incluiría aspectos tales como controlar la propulsión, pues sí, como en este caso había que hacer cálculos en tiempo real, todo eso lo tendría que hacer Hall, pero este Hall es con doble L, entiendo. Este es con doble N, el Hall de Odyssey en espacios, H-A-L. No, no, sí, pero digo... Este es Hall N-N, sí, Hall es doble N. Pero Hall con doble L porque es el efecto Hall, ¿no? El hall de la película tiene la... Es H-A-L-L y dos N mayúsculas. Sí, pero el de la película decían que a lo mejor lo habían seleccionado porque las letras H-A-L eran cada una de ellas las anteriores a las siglas I -B-M. ¿Sí conocéis esa cosa extraña, no? Mucha gente lo dice como una verdad establecida, pero hasta donde yo sé es una especulación; eso no se ha confirmado por nadie, creo. Bueno, la entrada al modelo son 13, 13, nada menos, parámetros físicos de los motores de efecto Hall, incluyendo pues eso, el flujo de propelente, la diferencia de potencia de entrada en el cátodo, el tamaño del canal de descarga En fin, 13 cosas físicas y como os decía, da lugar a la salida, al impulso y a la corriente y al gasto eléctrico, vamos El modelo lo entrenaron, Aquí Sara empieza lo divertido para ti yo creo, con 18.000 puntos, 18.000 generados, ¿cómo? Por simulaciones. Simulaciones híbridas, de las que hablamos antes, PIC, y esas para iones y átomos neutros pero para los electrones utilizaban de nuevo un fluido sin…
Juan Carlos Gil resume los resultados obtenidos con el modelo Hall NN, destacando la precisión en la predicción del empuje y la corriente de descarga.
Habla: Juan Carlos GilSignificado #4 · Palabras #6motores hall serie kht estudiosimulaciones motores hall realesdatos semirreales parámetros aleatoriosred neuronal diversidad entrenamientovalidación datos experimentales michiganmodelo hall nn predicción empujeerrores modelo hall inferiores escalasimulaciones entrenamiento modelo hall…puntos, 18.000 generados, ¿cómo? Por simulaciones. Simulaciones híbridas, de las que hablamos antes, PIC, y esas para iones y átomos neutros pero para los electrones utilizaban de nuevo un fluido sin masa porque si no no les daría para hacer 18.000 ¿vale? De esos 18.000 puntos, 13.500 correspondían a simulaciones de motores Hall reales que fabrican de la serie KHT, que fabrican dos de las entidades del estudio. Dos de las propias filiaciones del estudio hacen motores iónicos y por eso han financiado este estudio. Y otros 3.500 se los añaden a los datos semirreales porque son simulados con parámetros aleatorios: motores un poquito absurdos para darle gracia a la red neuronal, para aumentar su diversidad, la diversidad del conjunto de entrenamiento. Y una vez que está entrenada la red, la validan con datos como experimentales porque tienen los motores. Los motores de la serie KHT reales y además otro que no aparece para nada en datos de entrenamiento: que es un motor real de la Universidad de Michigan. Bueno, resumiendo, los resultados son muy buenos: el empuje tiene errores inferiores a entre el 5 y el 9%, que aquí esto es tremendo, y la corriente de descarga entre el 6 y el 12%. Estos errores son inferiores a las leyes de escala que se utilizaban hace menos de 10 años y son comparables a los errores, a las diferencias que tienen las simulaciones que paradójicamente son las que se han utilizado para entrenar. No sé si me he explicado. Tenemos motores reales para validar, simulaciones de esos motores reales para entrenar la red. Bueno, pues los resultados de la red son mejores, un poquito mejores que las propias simulaciones. O sea, eso es la magia, Sara, desde mi punto de vista, del aprendizaje profundo, ¿no? Que no interpola ciegamente los datos, no, no, sino que es capaz de ver…
Tras analizar los resultados del modelo Hall NN y su entrenamiento, Juan Carlos Gil describe cómo la red entrenada ofrece una mejora significativa en el tiempo de cálculo en comparación con las simulaciones iniciales.
Habla: Juan Carlos GilSignificado #6 · Palabras #3modelo hall nn entrenamientosimulación chunga tiempo cálculored entrenada 9000 veces menosblaso tardaba 4 días 800 núcleos…los resultados del entrenamiento con la gráfica de los errores de mínimos cuadráticos es una pasada. O sea, es que ves como la gráfica es del libro, como baja el error, qué gozado. Es tremendo, o sea, conseguimos mejores resultados que las simulaciones. un poquito chunguillas, no eran blaso, eran pic más fluido sin masa, pero claro, una vez que está la red entrenada, a toda caña, dicen que tardan 9.000 veces menos que la simulación chunga esta, la blaso ya decíamos que tardaba 4.000, ¿cómo era? 4 días en 800 núcleos O sea, esto es un Modelo que está disponible, que ahora vas con tus parámetros de diseño y te saca el empuje, lo cual es realmente bueno. Acabo Héctor, no me pongas esa cara. La propulsión eléctrica es la, junto a la nuclear, la tecnología clave de propulsión de los próximos…