Ставропольские учёные предложили математический способ оптимизации работы нейросетей

Помимо популярных методов, таких как ChatGPT и StableDiffusion, которые создают изображения на основе текстовых описаний, существуют свёрточные нейронные сети, способные анализировать окружающий мир подобно человеческому зрению. Однако такие сети требуют значительных вычислительных ресурсов. Математики из Ставропольского края разработали метод, позволяющий сократить вычислительные нагрузки для таких архитектур.

«Наши учёные предложили способ оптимизации нейронных сетей, который может быть применим везде, где требуется отличать, анализировать и классифицировать входящие данные: в медицине, транспорте, промышленности. Исследование нашло поддержку в Российском научном фонде, который в июле этого года одобрил наш проект «Перспективные методы интеллектуальной обработки сигналов на основе глубоких нейронных сетей и модулярных вычислений» со сроком реализации до 2026 года»,

— поделился декан университета Дмитрий Беспалов.

Суть данного метода заключается в оптимизации операций сложения и умножения больших чисел. Вместо них применяются математические преобразования с использованием остатков от деления на взаимно-простые основания. Эффективность данного метода была подтверждена экспериментами на нейронной сети AlexNet при обработке медицинских данных. Этот метод также может быть применён для обработки спутниковых снимков и видеоматериалов, полученных с беспилотных летательных аппаратов.

«Нейронные сети и модулярная арифметика – редкое сочетание. Кроме трудов нашего коллектива я видел работы математиков из Индии. В этом наше конкурентное преимущество и большой потенциал. Пока исследования находятся в плоскости фундаментальных знаний и мы применили их в отдельных практических проектах, но исследования будут продолжены», — отметил заведующий кафедрой математического моделирования на факультете математики и компьютерных наук Павел Ляхов.

Фото: Илья Хачатурян