Ученые Северо-Кавказского федерального университета (СКФУ) предложили новый метод улучшения производительности и уменьшения затрат на вычислительные ресурсы сверточных и глубоких нейронных сетей. Их идея была поддержана Российским научным фондом.
В настоящее время чрезвычайно популярны такие нейронные сети, как ChatGPT или Stable Diffusion, которые создают изображения на основе текстовых описаний. Однако есть целый класс продуктов, о которых говорят гораздо меньше, но которые выполняют важные рутинные функции. Речь идет о сверточных и глубоких нейронных сетях, которые имитируют работу человеческого зрения и способны распознавать различные объекты. Но их использование ограничено из-за необходимости больших вычислительных ресурсов. В Северо-Кавказском федеральном университете нашли способ ускорить процесс работы программных продуктов на основе этих нейронных сетей.
Ректор СКФУ Дмитрий Беспалов отметил, что математики СКФУ предложили способ оптимизации нейронных сетей, который может быть применим везде, где требуется отличать, анализировать и классифицировать входящие данные: в медицине, транспорте, промышленности.
«Данное исследование нашло поддержку в Российском научном фонде, который в июле этого года одобрил проект СКФУ «Перспективные методы интеллектуальной обработки сигналов на основе глубоких нейронных сетей и модулярных вычислений» со сроком реализации до 2026 года», — прокомментировал ректор университета Дмитрий Беспалов.
Группа ученых обратила внимание на то, что цифровая обработка сигнала в нейронных сетях включает в себя большое количество операций сложения и умножения. Именно в этой области модулярные вычисления проявляют себя наилучшим образом, позволяя упростить математические действия. Ученые предположили, что если заменить операции с большими числами на обработку остатков от деления на взаимно-простые основания, то системы смогут работать с меньшими числами, что значительно сократит вычислительные мощности.
Первоначальные исследования были направлены на увеличение скорости работы нейронной сети AlexNet при обработке медицинских данных. Результаты исследователей оказались удовлетворительными. По их мнению, данный метод может быть применен в различных областях, включая сельское хозяйство, где требуется анализ снимков, полученных из космоса и беспилотных летательных аппаратов.
В свою очередь, заведующий кафедрой математического моделирования факультета математики и компьютерных наук СКФУ Павел Ляхов объяснил, что 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», — определил перспективы научной работы Павел Ляхов.
Ученые Северо-Кавказского федерального университета (СКФУ) твердо настроены на продолжение исследований с целью предоставить практические возможности использования нейронных сетей различным отраслям народного хозяйства.
