Материалы портала «Научная Россия»

0 комментариев 1360

Новый тип нейронной сети обучается во время работы

Новый тип нейронной сети обучается во время работы
Исследователи из Массачусетского технологического института разработали новую гибкую систему машинного обучения, которая подстраивается под меняющиеся условия в процессе работы.

Исследователи из Массачусетского технологического института разработали новую гибкую систему машинного обучения, которая подстраивается под меняющиеся условия в процессе работы. Эти гибкие алгоритмы изменяют лежащие в их основе уравнения, чтобы постоянно адаптироваться к новым входным данным. Новый тип нейронной сети найдет применение в медицинской диагностике и автономном вождении, сообщает пресс-служба MIT.

«Это путь в будущее управления роботами, <...> обработки видео – любой формы обработки данных временных рядов, – говорит Рамин Хасани, ведущий автор исследования. – Потенциал действительно огромный».

По словам Хасани, данные временных рядов встречаются повсеместно. «Реальный мир – это последовательность. Даже наше восприятие. Вы не воспринимаете изображения, вы воспринимаете последовательности изображений. Итак, данные временных рядов действительно создают нашу реальность».

Он указывает на обработку видео, финансовые данные и медицинские диагностические приложения как на примеры временных рядов, которые имеют ключевое значение для общества. Анализ постоянно обновляющихся, меняющихся данных в режиме реального времени в будущем может ускорить развитие новых технологий, таких как беспилотные автомобили. Авторы исследования создали алгоритм, подходящий для этой задачи.

Они разработали нейронную сеть, которая может адаптироваться к изменчивости реальных систем. Учёные черпали вдохновение непосредственно у микроскопической нематоды C. elegans. Ее нервная система которой включает в себя всего 302 нейрона, но при этом может генерировать неожиданно сложную динамику. 

В уравнениях, которые исследователи использовали для структурирования искусственной нейронной сети,  параметры могли изменяться на основе результатов вложенного набора дифференциальных уравнений. Гибкость новой системы машинного обучения делает ее более устойчивой к неожиданным данным, например, если сильный дождь закрывает обзор камеры на беспилотном автомобиле. 

Нейронная сеть успешна прошла несколько тестов. Она на несколько процентов опередила другие современные алгоритмы временных рядов в точном прогнозировании будущих значений в наборах данных, начиная от химии атмосферы и заканчивая схемами движения. Кроме того, небольшой размер сети позволил сети пройти тесты без больших затрат на вычисления.

[Фото: Jose-Luis Olivares, MIT]

Источник: news.mit.edu

данные машинное обучение нейронная сеть работа с данными

Назад

Социальные сети

Комментарии

Авторизуйтесь, чтобы оставить комментарий

Информация предоставлена Информационным агентством "Научная Россия". Свидетельство о регистрации СМИ: ИА № ФС77-62580, выдано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций 31 июля 2015 года.