Новости

27 января, 2026 13:00

Найден энергоэффективный подход к обучению нейросетей

Источник: ТАСС
Ученые Саратовского национального исследовательского государственного университета им. Н. Г. Чернышевского (СГУ) нашли энергоэффективный подход к обучению нейронных сетей. Об этом ТАСС сообщили в пресс-службе Минобрнауки РФ.
Источник: СГУ / Дмитрий Ковшов

Результаты исследования, выполненного при поддержке Российского научного фонда (РНФ), опубликованы в журнале Chaos, Solitons & Fractals (прим. – Пресс-служба РНФ).

«Ученые <…> предложили новый подход к обучению нейросетей, который приближает искусственный интеллект к принципам работы человеческого мозга. В своей работе исследователи показали, что так называемые спайковые нейронные сети, построенные на осциллирующих нейронах ФитцХью-Нагумо и обучаемые без учителя, могут работать экономичнее классических моделей НС», - говорится в сообщении. В перспективе такие нейросети могут лечь в основу энергоэффективных вычислительных систем - автономных сенсоров, робототехники и встраиваемой электроники, где критично низкое энергопотребление.

Детали исследования

Как пояснили в пресс-службе, обычные нейросети, которые лежат в основе чат-ботов, систем распознавания изображений и рекомендаций, представляют собой набор математических функций. Они постоянно потребляют вычислительные ресурсы и энергию. Мозг человека устроен иначе: его нейроны большую часть времени находятся в покое и активируются только при необходимости. Именно это делает биологические нейронные сети исключительно энергоэффективными.

Саратовские ученые вместо классических искусственных нейронов, описываемых математическими функциями, использовали нейроны ФитцХью-Нагумо - упрощенные, но динамические модели реальных нервных клеток. По информации Минобрнауки, такие нейроны способны генерировать импульсы - спайки - только при достаточном входном сигнале, а в остальное время практически не расходуют энергию. Это позволяет приблизить вычисления к тому, как они происходят в живой нервной системе.

«Мы проводили также исследование влияния шума во входном сигнале. При частоте спайков, вызванных шумом, в пять раз меньшей частоты спайков, произведенных сигналом, исследуемая нейронная сеть сохраняет способность к классификации сигналов», - цитируется доцент кафедры радиофизики и нелинейной динамики СГУ Андрей Бух.

В ходе эксперимента нейросеть обучали различать простые изображения - горизонтальные и вертикальные линии. Как отметили в ведомстве, несмотря на простоту задачи, полученный результат является принципиально важным, так как была показана возможность устойчивого самообучения сети осцилляторных нейронов: точность классификации превысила 80%. Также исследователям удалось определить условия, при которых обучение стабильно работает, и разработать способ оценки результатов в ситуации, когда нельзя заранее задать желаемое поведение сети. 

Дополнительно ученые изучили влияние задержек передачи сигналов между нейронами и устойчивость сети к шуму. Выяснилось, что при умеренных помехах сеть сохраняет способность к классификации, а задержки должны быть достаточно большими, но не требуют сложной настройки. Это делает архитектуру более устойчивой и масштабируемой.

 

13 ноября, 2026
Ученые впервые точно рассчитали, как распространяются стимулы между нейронами
Исследователи выявили формулу, по которой можно спрогнозировать поведение целой системы нервных кл...
12 ноября, 2026
Физики научились синтезировать гладкие алмазные пленки для электроники и оптики
Ученые Института общей физики имени А.М. Прохорова РАН, Института радиотехники и электроники имени...

Хотите рассказать о своем исследовании? Заполните форму на нашем сайте