Российские ученые создали новый способ распознавания образов для ИИ

Российские физики изобрели новый метод распознования образов для нейронных сетей. Открытие ученых позволит выполнять сложные задачи даже на небольших устройствах небольшой технической мощности.

Инновационное исследование было опубликовано в журнале Electronics. Авторами открытия стали сотрудники Петрозаводского государственного университета Андрей Величко, Максим Беляев, Вадим Путролайнен и Петр Борисков. В основе изобретения лежит использование нового типа нейронных сетей, состоящих из нескольких нейронов-осцилляторов на базе электрических переключателей из диоксида ванадия. Система отличается от обычно используемых сетей тем, что ее характеристики могут меняться в зависимости от температуры. Тепловое воздействие заставляет нейроны генерировать собственные импульсы, передавая их по переключателям сети. Каждый переключатель, получая сигнал, изменяет свое состояние на открытое или закрытое. При этом переключения нейронов со временем могут синхронизироваться. В состоянии синхронности систему можно использовать для обучения сети, например, описывая предметы в векторной системе по нескольким признакам: размеру, форме, цвету и т.д.

Таким образом, главным ноу-хау российских физиков стало открытие термического способа связи между нейронами. Однако изобретение не могло бы использоваться в качестве метода обучения нейросети, если бы синхронизация системы происходила лишь в определенных частотных областях. Ученым удалось доказать, что колебания нейронов синхронизируются не только на основной частоте, но и на частотах, равных ее кратным долям. Этот принцип значительно увеличивает частоту синхронизации, а, значит, позволяет смоделировать большое количество синхронных состояний и в перспективе использовать каждое из них для распознавания информации и обучения системы.

По словам Андрея Величко, сети нового типа могут послужить основой для создания компактных нейросетевых чипов с наноразмерными осцилляторами. Сделанное учеными открытие имеет фундаментальный характер и может применяться в исследованиях осцилляторных сетей с различными механизмами и топологией связей нейронов, пишет Газета.ру.