Новости

25 сентября, 2020 17:44

В России разработали нейронную сеть для миниатюрных «умных» устройств

Источник: ТАСС
Российский ученый разработал новую архитектуру нейронной сети, которую можно будет использовать в микроконтроллерах с маленьким объемом оперативной памяти и внедрять в такие бытовые вещи как обувь или холодильники, делая их "умными". Описание его работы опубликовал научный журнал Electronics, кратко об этом пишет пресс-служба Российского научного фонда (РНФ).
Андрей Величко. Фото из личного архива
Схема работы LogNNet. Источник: Андрей Величко
Схема работы LogNNet. Источник: Андрей Величко
3 / 4
Андрей Величко. Фото из личного архива
Схема работы LogNNet. Источник: Андрей Величко
Схема работы LogNNet. Источник: Андрей Величко

Из-за стремительного развития Интернета вещей инженеры пытаются создавать новые нейронные сети, которые могут работать на микроконтроллерах – микросхемах, предназначенных для управления электронными устройствами, – с объемом оперативной памяти в несколько десятков килобайт. У современных персональных компьютеров она исчисляется гигабайтами, то есть больше в сотни тысяч раз. Такие микроконтроллеры можно совмещать с бытовыми вещами – дверьми, холодильниками, обувью, очками, чайниками или кофеварками – и наделять те "интеллектом".

Чтобы решить эту проблему, ученый из Петрозаводского государственного университета Андрей Величко создал новую архитектуру нейронной сети, которая позволяет экономно использовать небольшие объемы оперативной памяти и открывает перспективы для внедрения маломощных устройств в интернет вещей. Она получила название LogNNet. Эта нейронная сеть прямого распространения, то есть сигналы в ней направлены исключительно от входа к выходу.

О разработке

Главная особенность этой нейросети заключается в том, что система пытается хаотически перемешать входную информацию, но при этом извлекает из нее ценные данные, которые изначально невидимы. Для генерации хаоса используется простая формула логистического отображения, в которой последующее значение вычисляется на основе предыдущего. Получается, что это простое уравнение хранит в себе бесконечный набор случайных чисел, вычисляемых процессором, а архитектура сети использует их и таким образом потребляет меньше оперативной памяти.

Ученый испытал свою нейронную сеть на распознавании рукописных цифр с помощью базы данных MNIST, которая считается стандартом для обучения нейросетей. В ней содержится более 70 тысяч написанных от руки цифр. В результате чем больше компонентов было в сети и чем сильнее хаос, тем лучше она опознавала изображения. Максимальная точность, которой удалось добиться ученому, составила 96,3%. При этом разработанная архитектура использует не больше 29 килобайт оперативной памяти.

"Благодаря этой разработке открываются новые перспективы развития интернета вещей, так как любое устройство, оснащенное маломощным миниатюрным контроллером, сможет обладать искусственным интеллектом. Таким образом, появляется возможность интеллектуальной обработки информации на периферийных устройствах без отправки данных в облачные сервисы, что улучшает работу, например умного дома. Это важный вклад в развитие технологий интернета вещей, которыми активно занимаются наши ученые. Кроме того, в работе намечен альтернативный путь исследования влияния хаоса на искусственный интеллект", – отметил Андрей Величко.

28 марта, 2024
Ученые научились управлять мощностью электронного пучка в течение его импульса
В Институте сильноточной электроники СО РАН модернизирована уникальная научная электронно-пучковая...
27 марта, 2024
Ученые НГТУ НЭТИ преобразуют энергетический мусор в электроэнергию
В Новосибирском государственном техническом университете НЭТИ работают над альтернативным способом...