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 проекта 19-72-00112
НазваниеПриложение методов нелинейной динамики сложных сетей к построению систем резервуарных вычислений
Руководитель Масленников 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
Конкурс №40 - Конкурс 2019 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 слова сложная сеть, нелинейная динамика, искусственные нейронные сети, резервуарные вычисления
Код ГРНТИ29.35.03
ИНФОРМАЦИЯ ИЗ ЗАЯВКИ
Аннотация
Искусственные нейронные сети являются предметом исследования двух крупных научных направлений. Во-первых, в области математической нейронауки разрабатываются модели крупномасштабных популяций нейронов, на основе которых изучаются динамические механизмы коллективного поведения биологических сетей-прототипов и функционирования различных отделов нервной системы живых организмов. Во-вторых, в области машинного обучения разрабатываются новые алгоритмы обучения искусственных нейронных сетей для построения всё более сложных интеллектуальных систем, решающих прикладные задачи распознавания, классификации, прогнозирования. На стыке этих направлений развивается концепция резервуарных вычислений, высокий интерес к которой наблюдается в настоящее время. Однако, несмотря на достигнутые успехи, большинство работ в данной области рассматривают центральный компонент системы – резервуар, т.е. высокоразмерную сеть взаимодействующих активных элементов – как своего рода «черный ящик». Дальнейшее развитие концепции резервуарных вычислений требует понимания динамических механизмов функционирования сети-резервуара на различных стадиях обучения: до, в процессе и после него. Исследование структурных и динамических свойств сети-резервуара, ответственных за обучение, важно как для математической нейронауки, так и для развития подходов машинного обучения. Именно решению это актуальной проблемы посвящен настоящий проект. В проекте ставится новая задача, которая состоит в выявлении динамических механизмов функционирования сетей резервуарных вычислений при выполнении ими базовых задач машинного обучения, таких как генерация сигналов с заданными характеристиками и прогнозирование временных рядов. Для этой цели будет разработана система резервуарных вычислений, включая слои входных и выходных элементов и резервуар, динамика элементов которого описывает спайковую активность нейронов. Развита методика обучения системы для генерации стимул-зависимых паттернов за счет адаптации выходных связей путем контролируемой минимизации ошибки. Изучено фазовое пространство резервуара до, в процессе и после обучения, найдены аттракторы и другие особые траектории. Проанализировано влияние топологии связей и динамических режимов активности нейронов резервуара на качество и скорость обучения системы задаче генерации стимул-зависимых паттернов.
ОТЧЁТНЫЕ МАТЕРИАЛЫ