В Лаборатории искусственного интеллекта МТИ разработали «жидкие» нейронные сети

3 февраля

Команда Лаборатории искусственного интеллекта МТИ под руководством Рамина Хасани разработала так называемые жидкие нейронные сети. Главное преимущество новой разработки заключается в том, что такие сети способны эффективно и достаточно быстро адаптировать свое базовое поведение под воздействием новых обстоятельств. В лаборатории отметили, применение данной технологии значительно повысит качество работы систем автономного вождения, контроля роботизированных модулей, а также улучшит качество проведения диагностических мероприятий при выявлении заболеваний человека на ранней стадии.

«Воспитание» нейросетей происходит по стандартному протоколу. Вначале для алгоритмов нейронных сетей предоставляются огромные массивы целевых данных, наделяющих сети способностью принятия ряда решений. В ходе этого процесса нейросети «вознаграждаются» за правильные ответы, что оптимизирует производительность структуры. На конечном этапе обучения поведение нейросетей выходит на этап фиксации.

Экспертам лаборатории Хасани удалось разработать методику, позволяющую «жидким» нейронным сетям на определенном временном отрезке адаптироваться для достижения успеха в ответ на получение новой информации. К примеру, при резком изменении внешних погодных условий, нейросеть, управляющая беспилотным автомобилем, сможет принять более эффективные решения с высоким уровнем производительности.

Отличительная особенность методики Хасани – адаптируемость сети по временному ряду. Иными словами, вместо конкретного набора тренировочных вводных, состоящих из отдельных мини-массивов информации, «жидкие» нейросети анализируют информацию временных рядов. Таким образом, «жидкая» модель сетей характеризуется большей прозрачностью и пониженной энергозатратностью, поскольку задействует для своей работы меньшее количество вычислительных узлов.

Читайте также