Waarom is dit belangrijk?
Verschillende metingen kunnen in dezelfde berekening blijven, zodat onderzoekers ze niet los van elkaar hoeven te bekijken. In de zorg voegen specialisten met een tensor hersenmetingen en scanresultaten van één patiënt samen en verminderen ze ruis. Patiënten en artsen in het ziekenhuis krijgen zo extra steun bij het beoordelen van medisch onderzoek, maar onnauwkeurige metingen kunnen de uitkomst nog steeds vertekenen.
Zo werkt het in de praktijk
In de energiesector voorspelt SmartTensors de olie- en gasproductie in Eagle Ford in Texas. Bij het publieke Los Alamos National Laboratory brengt hetzelfde pakket bronnen van chroom in de bodem in kaart. Zij gebruiken niet-negatieve tensorfactorisatie, een splitsing in eenvoudigere delen.
Een netwerk trainen kan zonder elke terugrekening met de hand te schrijven. In PyTorch houdt een tensor het rekenpad vast en de richting waarin de fout daalt. De software past daarmee de gewichten aan.
Voor de ingebruikname legt de standaard ONNX vast welke bewerkingen op tensors een voorspelling maken. Elke tensor heeft daarin één gegevenstype en een vaste vorm. Een apart programma voert het bewaarde model uit, los van de software die het trainde.




