Саратовские ученые создали энергоэффективную нейросеть для обработки аудиосигналов

Ученые Саратовского государственного университета (СГУ) разработали биологически вдохновленную нейронную сеть, демонстрирующую высокую эффективность в распознавании внешних звуковых сигналов. Ключевое преимущество этой разработки — значительно меньшее энергопотребление по сравнению с традиционными искусственными нейронными сетями.

Современные системы распознавания сигналов широко используют искусственные нейронные сети второго поколения. Однако, моделирование биологических нейронов в таких сетях значительно сложнее, что приводит к существенным отличиям от более современных, так называемых "спайковых" нейронных сетей третьего поколения. Несмотря на растущий интерес к этому типу сетей, многие вопросы остаются открытыми.

Биологическая нейронная сеть мозга человека представляет собой сложную систему взаимосвязанных нейронов. Их функционирование успешно описывается математической моделью ФитцХью-Нагумо, предложенной в конце XX века.

Исследователи СГУ применили математическое моделирование для проверки способности сети, основанной на нейронах ФитцХью-Нагумо, к распознаванию аудиосигналов. Ученые предположили, что сложность этих нейронов может обеспечить сети более широкие функциональные возможности.

В ходе исследования была создана небольшая сеть, но её размер оказался достаточным для наблюдения желаемого эффекта. Ученые обнаружили, что взаимосвязанные нейроны ФитцХью-Нагумо способны избирательно реагировать на сигналы с различными частотными характеристиками, дифференцируя звуки за счет выбора специфических связей между нейронами. На основе полученных данных был сделан вывод о возможности конструирования сетей, эффективно обрабатывающих аудиосигналы.

По мнению исследователей, данное открытие позволит создавать высокоэффективные нейронные сети, где эффективность определяется соотношением затраченной энергии и сложности решаемой задачи. Известно, что мозг человека расходует значительно меньше энергии, чем компьютер, при решении аналогичных задач. Поэтому, спайковые нейронные сети обладают потенциалом для существенного снижения энергопотребления по сравнению с традиционными искусственными сетями.

Сложность спайковых нейронных сетей, обусловленная нелинейностью их элементов, затрудняет оценку их эффективности. Точная оценка станет возможной лишь после практического применения таких сетей.

Исследование показало, что избирательность сети обеспечивается выбором конкретных связей между нейронами, при отключении остальных. Недостаточное количество активных связей, с другой стороны, приводит к снижению реакций сети.

В дальнейшем ученые планируют изучить способность отдельных нейронов к "накоплению" сигналов и влиянию "контекста" на их поведение. Предварительные результаты указывают на способность модели нейрона учитывать предыдущие сигналы, что может существенно повлиять на его реакцию. Однако, вопрос о возможности использования таких сетей в качестве классификаторов остается открытым.

Работа выполняется в рамках стратегического проекта СГУ "Технологии фундаментальной медицины" (государственная программа "Приоритет-2030") и проекта РНФ №23-12-00103.

Уточнения

Нейро́нная сеть (также иску́сственная нейро́нная сеть, ИНС, или просто нейросе́ть) — математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации биологических нейронных сетей — сетей нервных клеток живого организма.