Ученые-математики Северо-Кавказского федерального университета (СКФУ) сумели разработать метод, который значительно повышает скорость и эффективность работы сверточных и глубоких нейросетей, а также уменьшает потребление вычислительных ресурсов. Их идею поддержал Российский научный фонд, признав ее важной для научного прогресса.
В настоящее время самыми популярными нейросетями являются ChatGPT и Stable Diffusion, способные создавать изображения на основе текстовых описаний. Тем не менее имеется целый класс продуктов, который остается неосвещенным, хотя он способен выполнять рутинные, но важные задачи.
Речь идет о сверточных и глубоких нейросетях, способных имитировать человеческий зрительный аппарат и распознавать различные объекты. Однако их работа требует значительных вычислительных ресурсов, что создает проблемы при практическом использовании нейронных сетей.
Ученые СКФУ представили уникальный метод, который повышает производительность программ, основанных на нейронных сетях. Авторы метода отмечают, что цифровая обработка сигналов в нейронных сетях включает в себя множество операций сложения и умножения. В этом случае модулярные вычисления показывают себя наилучшим образом, упрощая математические операции.
Предполагается, что замена операций с большими числами обработкой остатков от деления на взаимно простые основания позволит системам работать с меньшими числами, что значительно сократит вычислительные мощности. На первых этапах исследования были проведены для повышения скорости работы нейросети AlexNet в обработке медицинских данных, и результаты были впечатляющими.
Исследователи утверждают, что этот метод может быть применен в различных отраслях, в том числе в сельском хозяйстве, где требуется анализировать снимки, получаемые из космоса или с помощью беспилотных летательных аппаратов.
