Создана архитектура для сверхбыстрых нейросетей нового поколения

САНКТ-ПЕТЕРБУРГ, 6 февраля. /ТАСС/. Физики Санкт-Петербургского государственного университета (СПбГУ) создали нейроморфную архитектуру, которая способна распознавать рукописные и голосовые команды эффективнее аналогов. В отличие от традиционных решений такая нейросеть быстрее обрабатывает информацию и требует меньше памяти, сообщили в пресс-службе вуза.

"Такие структуры работают как искусственные нейроны в нейронной сети", - привели в пресс-службе слова руководителя лаборатории оптики спина СПбГУ, главного научного сотрудника университета Алексея Кавокина.

Уточняется, что традиционные нейросети используют модель компьютерной структуры, где данные и программы хранятся в общей памяти, а обработка информации происходит последовательно через центральный процессор. Такая система налагает несколько ограничений, которые приводят к существенному снижению скорости обмена данными и увеличению энергопотребления. Поэтому ученые СПбГУ разработали нейроморфную архитектуру, которая способна быстро и достоверно распознавать рукописные и голосовые команды.

Как рассказали в университете, разработка ученых относится к классу бинарных нейросетей (Binary Neural Networks, BNN), работающих с двоичными входными и выходными сигналами нейронов. В отличие от традиционных решений, BNN быстрее обрабатывают информацию и требуют меньше памяти. Благодаря этому такие сети потребляют меньше энергии и лучше масштабируются.

Разработку ученых СПбГУ протестировали на основе решения двух задач. Первая из них заключается в распознавании рукописных цифр крупнейшей базы данных MNIST. Точность распознания системы превысила 97,5%. Для оценки адаптивности и универсальности сети при работе с различными типами данных она была проверена на наборе Speech Commands для распознавания голосовых команд. Разработка ученых здесь также превзошла все существующие решения и методы.