Zen
МОСКВА, 29 октября Ученые из Саратовского государственного университета спроектировали биологическую нейронную сеть, способную эффективно различать внешние аудиосигналы. По их словам, разработка сможет тратить значительно меньше энергии на вычисления, чем обычные искусственные нейронные сети. Результаты исследования опубликованы в научном журнале Chaos.
Современные технологии широко включили в себя методы распознавания сигналов с использованием искусственных нейронных сетей второго поколения. Однако нейроны, используемые для моделирования реальных нейронов, намного сложнее нейронов искусственных нейронных сетей. Поэтому составленные из них биологические (спайковые) нейронные сети третьего поколения существенно отличаются от сетей второго поколения. В последние годы ученые все больше интересуются изучением спайковых нейронных сетей, но остается много открытых вопросов.
Как известно, нейронная сеть в мозге человека состоит из групп химически или функционально связанных нейронов. Их поведение специалисты описывают с помощью концептуальной математической модели Фицхью-Нагумо, предложенной в конце XX века.
Ученые из Саратовский национальный исследовательский государственный университет (СГУ) имени Н.Г. Чернышевского поставил перед собой задачу с помощью методов математического моделирования определить возможность распознавания аудиосигналов с помощью импульсной нейронной сети, составленной из нейронов Фицхью-Нагумо. Они предположили, что сети, основанные на таких нейронах, могут обладать большими возможностями за счет своей встроенной сложности.
«Нам было интересно изучить, как сети таких нейронов будут вести себя по отношению к внешнему сигналу. Сеть, которую мы изучали, была довольно небольшой, но количество ее элементов было достаточным для наблюдения желаемого эффекта. Мы обнаружили, что связанные нейроны Фицхью-Нагумо могут проявлять избирательные свойства к сигналам с различным соотношением частот и различать внешние сигналы, выбирая только некоторые определенные связи между нейронами. И мы пришли к выводу, что можно специально спроектировать сеть нейронов, которая обеспечит распознавание аудиосигналов», — рассказал доцент кафедры радиофизики и нелинейной динамики Саратовского государственного университета Андрей Бух.
Открытие ученых СГУ, по их мнению, поможет создать эффективные нейронные сети, где под эффективностью понимается отношение затраченной энергии к сложности решаемой задачи.
«Известно, что человеческий мозг тратит гораздо меньше энергии на решение той же задачи, чем обычный компьютер. Это значит, что спайковые нейронные сети потенциально могут тратить значительно меньше энергии, чем обычные искусственные нейронные сети», — подчеркнул ученый.
Он сказал, что из-за нелинейности элементов спайковой нейронной сети она становится очень сложной, а реакции нейронов в ней могут быть очень разными. Поэтому измерить ее эффективность будет довольно сложно. По его мнению, это можно будет сделать только тогда, когда спайковые нейронные сети начнут применяться на практике.
«Мы исследовали вопрос о способе подключения, обеспечивающем избирательность сети по отношению к внешним сигналам для простейшего конкретного нейрона, и получили положительный результат. Но для каждой конкретной задачи выигрыш в эффективности может быть разным. Есть и другие трудности, и самая серьезная из них заключается в том, что для обучения спайковых нейронных сетей можно использовать лишь очень небольшое количество методов», — отметил Бух. 
По его словам, Другими словами, полученный результат достигается в основном за счет выбора только некоторых связей между нейронами. Остальные связи отключаются. Если оставить все связи между нейронами включенными, сеть не будет проявлять селективных свойств. С другой стороны, недостаточное количество связей приведет к практически полному отсутствию в ней реакций.
В дальнейшем исследователи планируют выяснить, обладает ли модель отдельно взятого нейрона способностью «накапливать» сигналы и проявлять различное поведение в зависимости от «контекста».
«
"Предварительные результаты показывают, что модель нейрона накапливает входные сигналы. То есть история нейрона влияет на его текущее состояние, он реагирует на «контекст». Но станет ли сеть на основе таких нейронов классификатором — пока открытый вопрос», — заключил Андрей Бух.
Работа ведется в рамках стратегического проекта Саратовского государственного университета имени Н.Г. Чернышевского «Технологии фундаментальной медицины» государственной программы «Приоритет-2030». Исследование выполнено в рамках проекта РНФ № 23-12-00103.
Свежие комментарии