Исследователи,занимающиеся нейросетевым моделированием,зачастую сталкиваются с проблемойограниченного набора обучающих данных.Это может быть связано как с проблемамипоиска источника этих данных, так и сбольшой размерностью входных и выходныхпеременных решаемой задачи. Возникаетдилемма: либо использовать в своейработе нейронную сеть с заведомо болеесложной структурой, в результате чегоона скорее всего будет просто воспроизводитьзапомненные данные, но не обобщать их,либо отказаться от нейросетевогомоделирования вовсе и искать другиеметоды решения. Также сейчаспрактически отсутствует техническаявозможность реализации нейросетей,способных быстро адаптироваться к резкоизменяющимся условиям. Это существенноограничивает их использование вуправлении реальными процессами,например в беспилотном транспорте.Нашей научной группой разработанаматематическая основа и успешнореализован ряд программных прототипов,позволяющих создать новую технологиюобучения нейросетей при радикальномсокращении объемов обучающей выборки,вплоть до одного примера (аналог импринтав центральной нервной системе человекаи животных). В частности, предложен и апробирован возможный механизм формированияимпринта, т.е. формирования адекватногоповедения за одно предъявление стимула. Предложена гипотеза и механизмформирования первичных поведенческихнавыков, как взаимосвязанной цепочкиимпринтов. Выявлены определенныезакономерности проявления рефлексии,как одной из высших когнитивных функцийсознания, при функционированиирекуррентных нейронных сетей.Предложены механизмы формированиязеркальных нервных цепочек, как одногоиз компонентов импринтинга и механизмарефлексии в целом.Разработан вариант организациирецептивного поля, обеспечивающийформирование инвариантного к сдвигупреобразования изображения у нейросетейсо сверхмалым количеством слоев. Разработана математическаяоснова избегания локальных минимумовпри обучении нейросетей, что само посебе позволит существенно сократитькак требуемые размеры нейросетей приобучении, так и количество предъявляемыхпримеров. Данные наработки позволяют перейти к модифицированному алгоритму обучения нейросетей, позволяющему существенно сократить необходимые объемы обучающей выборки, вплоть до единичных примеров, т.е. реализовать One Shot Learning нейросети, в том числе с возможностью самообучения.Разработка данной цифровой технологии станет существенным шагом в развитии искусственного интеллекта, позволит открыть новые, ранее недостижимые, возможности его использования.

Производитель: ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ "АЙПИКОМ"

Другое