В современные технологии широко вошли методы распознавания сигналов искусственными нейронными сетями второго поколения. Однако нейроны, используемые для моделирования реальных нейронов, гораздо сложнее нейронов искусственных нейронных сетей. Поэтому составленные из них биологические (спайковые) нейронные сети третьего поколения довольно сильно отличаются от сетей второго поколения. В последние годы растет интерес ученых к исследованию спайковых нейронных сетей, но открытых вопросов остается очень много.
Как известно, нервная сеть в мозге человека состоит из групп химически или функционально связанных нейронов. Их поведение специалисты описывают концептуальной математической моделью ФитцХью-Нагумо, предложенной в конце XX века.
Ученые Саратовского национального исследовательского государственного университета (СГУ) имени Н. Г. Чернышевского поставили перед собой задачу с помощью методов математического моделирования определить возможность распознавания аудиосигналов спайковой нейронной сетью, составленной из нейронов ФитцХью-Нагумо. Они высказали предположение, что сети на основе таких нейронов могут обладать более широкими возможностями за счет их встроенной сложности.
«Нам было интересно изучить, как сети из таких нейронов будут вести себя по отношению ко внешнему сигналу. Сеть, которую исследовали, совсем небольшая, но количества ее элементов хватило для наблюдения нужного эффекта. Мы обнаружили, что связанные нейроны ФитцХью-Нагумо могут проявлять избирательные свойства к сигналам с разным отношением частоты и различать внешние сигналы за счет выбора только некоторых определенных связей между нейронами. И сделали вывод, что можно специальным образом сконструировать сеть нейронов, чтобы обеспечить распознавание аудиосигналов», — рассказал доцент кафедры радиофизики и нелинейной динамики СГУ Андрей Бух.
Открытие исследователей СГУ, по их мнению, поможет создавать эффективные нейронные сети, где под эффективностью стоит понимать отношение затраченной энергии к сложности решаемой задачи.
«Известно, что на решение одной и той же задачи человеческий мозг затрачивает гораздо меньше энергии, чем обычный компьютер. Значит, спайковые нейронные сети могут потенциально затрачивать заметно меньше энергии, чем обычные искусственные нейронные сети», — подчеркнул ученый.
Он рассказал, что из-за нелинейности элементов спайковой нейронной сети она становится очень сложной, и реакции нейронов в ней могут быть очень разными. Поэтому измерить ее эффективность будет достаточно сложно. По его мнению, это можно будет сделать только тогда, когда спайковые нейронные сети начнут применяться на практике.
«Мы изучили вопрос способа связей, обеспечивающего избирательность сети по отношению ко внешним сигналам для самого простого конкретного нейрона, и обнаружили положительный результат. Но для каждой конкретной задачи выигрыш в эффективности может быть разным. Есть и другие сложности, и самая серьезная из них в том, что для обучения спайковых нейронных сетей можно применять лишь очень небольшое количество методов», — отметил Бух.
По его словам, полученный результат обеспечивается главным образом выбором только некоторых связей между нейронами. Остальные связи отключаются. Если оставить все связи между нейронами включенными, сеть не будет проявлять селективных свойств. С другой стороны, недостаточное количество связей приведет к почти полному отсутствию реакций в ней.
В будущем исследователи планируют узнать, обладает ли отдельная модель нейрона способностью «накапливать» сигналы и демонстрировать разное поведение в зависимости от «контекста».
«Предварительные результаты показывают, что модель нейрона накапливает входные сигналы. То есть предыстория нейрона влияет на его текущее состояние, он реагирует на “контекст”. Но станет ли сеть на основе таких нейронов классификатором — вопрос пока открытый», — заключил Андрей Бух.
Работа выполняется в рамках стратегического проекта СГУ имени Н. Г. Чернышевского «Технологии фундаментальной медицины» государственной программы «Приоритет-2030». Исследование выполнено в рамках проекта РНФ № 23−12−00103.
