Ученые Петрозаводского государственного университета (ПетрГУ, Карелия) нашли новый способ обучения импульсной нейронной сети распознаванию и запоминанию образов. В будущем это позволит создавать устройства небольших размеров, предназначенные для решения сложных когнитивных задач. Об этом сообщает ТАСС со ссылкой на пресс-службу Российского научного фонда (РНФ), грантом которого поддержано исследование.

«В ряде наших исследований начата разработка методик обучения подобных нейронных сетей и показана их реальная работа в качестве устройств распознавания образов. В перспективе на основе этих сетей могут быть созданы компактные нейросетевые чипы с наноразмерными осцилляторами… Закономерности, которые мы выявили, фундаментальны и могут применяться в исследованиях осцилляторных сетей с различными механизмами и топологией связей нейронов», — приводятся в сообщении слова ведущего научного сотрудника Петрозаводского государственного университета Андрея Величко.

Искусственные нейронные сети строятся по тем же принципам, что и сети нервных клеток в живом организме. Процессы запоминания и распознавания образов основываются на передаче сигналов между нейронами. Как правило, нейронные сети создаются программно, но есть системы, состоящие из физических устройств. Наиболее распространены осцилляторные (колебательные) устройства, показатели нейронов в которых ритмически меняются.

Ученые исследовали сеть из нескольких нейронов-осцилляторов на базе электрических переключателей из диоксида ванадия. При синхронизации частот разных осцилляторов нейросеть можно обучать, информацию переводят в векторную форму. При обучении сеть запоминает сразу несколько векторов, каждому из которых соответствуют параметры системы в определенном синхронном состоянии. Распознавание фиксируется в случае, если при вводе тестового вектора система возвращается к наиболее близкому к нему синхронному состоянию.

С помощью использования уникального термического типа связи между нейронами авторам работы удалось существенно расширить число синхронных состояний. К примеру, для системы из двух осцилляторов ученые смоделировали 260 состояний, каждое из которых потенциально может быть использовано для обучения нейросети распознаванию и запоминанию информации, говорится в сообщении. Научная статья об этом исследовании опубликована в журнале Electronics.