КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

 

ОБЩИЕ СВЕДЕНИЯ

---

Номер 21-72-00142

НазваниеФункциональные спайковые нейронные сети: нелинейная динамика и машинное обучение

РуководительМасленников Олег Владимирович, Кандидат физико-математических наук

Организация финансирования, регион Федеральное государственное бюджетное научное учреждение "Федеральный исследовательский центр Институт прикладной физики им. А.В. Гапонова-Грехова Российской академии наук", Нижегородская обл

Период выполнения при поддержке РНФ

07.2021 - 06.2023

Конкурс№60 - Конкурс 2021 года «Проведение инициативных исследований молодыми учеными» Президентской программы исследовательских проектов, реализуемых ведущими учеными, в том числе молодыми учеными.

Область знания, основной код классификатора 02 - Физика и науки о космосе, 02-402 - Нелинейные колебания и волны

Ключевые слованелинейная динамика, сложная сеть, машинное обучение, искусственные нейронные сети

Код ГРНТИ29.35.03

СтатусУспешно завершен

---

 

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

---

Аннотация
В настоящее время наблюдается интенсивное развитие направления, связанного с применением методов теоретической физики и математики, к фундаментальным проблемам нейронауки. С одной стороны, это связано с накоплением огромной базы данных в экспериментальной нейробиологии и в то же время с недостатком теоретического осмысления механизмов многих наблюдаемых явлений. С другой стороны, в области искусственного интеллекта прослеживается запрос на развитие нейроморфных технологий следующего поколения, которые требуют появления новых математических моделей и алгоритмов. Наметилась тенденция сближения двух областей - нейронауки и машинного интеллекта. Для описания фундаментальных явлений, протекающих как нейронных сетях мозга, так и в искусственных нейронных сетях требуется развитие междисциплинарного подхода, основанного на применении методов нелинейной динамики, теории сложных сетей и машинного обучения. В ходе выполнения проекта планируется разработка функциональных сетей спайковых нейронов, их настройка методами машинного обучения выполнять нейроинспирированные целевые функции и анализ нелинейно-динамических характеристик, лежащих в основе выполняемых функций. Научная новизна предлагаемого исследования обусловлена междисциплинарностью и оригинальностью поставленных задач на стыке математической нейронауки и машинного обучения в контексте нелинейно-динамической парадигмы, рассматривающей многоэлементную искусственную нейронную сеть как динамическую систему. В отличие от большинства работ в данном направлении, в проекте делается упор на сетях спайковых нейронов как наиболее биологически релевантных и наиболее перспективных с точки зрения развития искусственных нейронных сетей нового поколения. Полученные в ходе выполнения проекта новые знания о закономерностях динамики спайковых нейронных сетей при выполнении ими биоинспирированных целевых функций будут носить фундаментальный характер в области математической нейронауки, а также могут послужить развитию новых алгоритмов технологии машинного обучения.

Ожидаемые результаты
Будет развит междисциплинарный подход к построению и анализу функциональных спайковых нейронных сетей, основанный на методах нелинейной динамики, теории сложных сетей и машинного обучения. Ожидаемые результаты после выполнения проекта: Функциональные сети спайковых нейронов, построенные с применением методов машинного обучения для моделирования нейроинспирированные целевых функций. Свойства пространственно-временной динамики и особых траекторий фазового пространства, лежащих в основе выполняемых функций. Закономерности изменения ошибки обучения в зависимости от параметров сети (число нейронов, структура связей) и индивидуальной активности нейронов (характерное время, порог генерации, рефрактерность). Модифицированные спайковые нейронные сети, полученные с применением методов глубокого обучения нейросетей с подкреплением. Закономерности влияния локальных методов обучения по сравнению с результатами стандартного метода обратного распространения ошибки во времени. Характеристики структуры спайковых нейронных сетей после обучения. Свойства пространственно-временной динамики сети и выполняемых ею функций при удалении нейронов и связей. Ожидаемые результаты значимы: 1. для развития фундаментальных основ нелинейной динамики, поскольку вносят вклад в разработку новых методов анализа активности сложных сетей активных элементов; 2. для развития научных представлений о динамических механизмах пространственно-временной обработки информации в нейронных структурах; 3. для развития прикладных методов технологии искусственного интеллекта в области машинного обучения. Ожидаемые результаты соответствуют мировому уровню, поскольку развивают как фундаментальные аспекты математический нейронауки и нелинейной динамики сложных сетей, так и прикладные методы технологии машинного обучения, которая является актуальной сферой в широком спектре задач современной экономики и социальной сферы.

---

 

ОТЧЁТНЫЕ МАТЕРИАЛЫ

---