Саратовские учёные предложили альтернативу сложным нейросетям

Фото из открытых источников

Учёные Саратовского национального исследовательского государственного университета имени Н. Г. Чернышевского совместно с коллегой из Берлинского технического университета предложили альтернативу сложным нейронным сетям для машинного обучения. Как сообщили ТАСС в пресс-службе Минобрнауки РФ, результаты исследования были опубликованы в журнале Neural Networks.

Исследователи выяснили, что для решения задач искусственного интеллекта в реальном времени можно использовать осцилляторы с запаздывающей обратной связью вместо традиционных многослойных нейронных сетей. Это открытие способно существенно упростить и удешевить разработку интеллектуальных систем.

Осцилляторы представляют собой системы, совершающие колебания, подобно маятнику или электрическому контуру. При добавлении запаздывающей обратной связи, когда система реагирует на свои предыдущие состояния, их поведение становится сложнее, что позволяет имитировать динамику многослойных нейронных сетей.

Команда учёных под руководством заведующего лабораторией компьютерного моделирования в электронике СГУ имени Н. Г. Чернышевского Владимира Семёнова показала, что два связанных бистабильных осциллятора с запаздыванием способны воспроизводить функции сложной двухслойной нейронной сети. Особое внимание исследователи уделили двум явлениям: стохастическому резонансу — усилению полезного сигнала при наличии шума, и распространению волнового фронта, при котором одно из двух возможных состояний системы постепенно занимает всё пространство.

Для подтверждения своей гипотезы учёные сначала смоделировали поведение осцилляторов на компьютере, а затем создали их физические прототипы с использованием электронных компонентов. Результаты экспериментов полностью подтвердили теоретические расчёты.

На данный момент в СГУ ведутся исследования по применению таких систем для моделирования "спайковых нейронных сетей" — нового класса сетей, имитирующих электрическую активность нейронов головного мозга. Эти разработки поддерживаются грантом Российского научного фонда и Минобрнауки РФ в рамках программы "Приоритет 2030" нацпроекта "Молодёжь и дети".