Ставропольские ученые нашли уникальный способ оптимизации работы нейросетей

Ученые-математики Северо-Кавказского федерального университета (СКФУ) нашли способ улучшить быстродействие у сверточных и глубоких нейросетей, а также снизить объем используемых вычислительных ресурсов. Российский научный фонд поддержал идею математиков СКФУ. На данный момент наибольшей популярностью пользуются нейросети ChatGPT или Stable Diffusion, которые генерируют изображения по текстовым описаниям. При этом целый класс продуктов остается в тени, а они могут выполнять рутинные, но при этом чрезвычайно важные функции. Имеются в виду сверточные и глубокие нейросети, способные имитировать глаз человека и распознавать разные объекты. Для их работы необходимы существенные аппаратные ресурсы, что является проблемой при использовании нейронных сетей на практике. Ученые СКФУ нашли уникальный способ улучшить быстродействие программных продуктов на основе нейронных сетей. «Наши ученые 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», — отметил ректор СКФУ Дмитрий Беспалов. Авторы метода отметили, что цифровая обработка сигнала нейронной сетью содержит большое количество операций сложения и умножения. И именно здесь лучше всего проявляют себя модулярные вычисления, а также дают возможность упростить математические действия. По предположению экспертов, если операции с большими числами заменить на обработку остатков от деления на взаимно простые основания, то системы смогут работать с меньшими числами и это существенно сокращает вычислительные мощности. Первые исследования проводили для повышения скорости работы нейросети AlexNet при обработке медицинских данных. Исследователи остались удовлетворены результатом. Они отметили, что метод можно применять в разных сферах, в том числе в сельскохозяйственной отрасли, где нужно анализировать снимки, получаемые из космоса и от БПЛА. По словам завкафедрой математического моделирования факультета математики и компьютерных наук СКФУ Павла Ляхова, нейросети и модулярная арифметика представляют собой редкое сочетание. Он отметил, что помимо работ коллектива СКФУ он видел работы математиков из Индии. На данный момент исследования находятся в плоскости фундаментальных знаний и их использовали на практике в отдельных проектах, но исследования будут продолжаться. Ученые СКФУ намерены продолжать дальнейшие изыскания для предоставления различным отраслям народного хозяйства практических возможностей применения нейросетей.