В России создали алгоритмы, повышающие эффективность обучения нейросетей

Новый подход, который позволяет ускорить обучение нейронных сетей, представили сотрудники факультета вычислительной математики и кибернетики МГУ. Они оптимизировали процесс предобработки данных во время обучения нейросетей и использовали алгоритмы, которые работают в фоновом режиме. Это позволяет равномерно распределить нагрузку на вычислительные системы, пишет ТАСС.

В разработке ученые использовали языки программирования Python и C++, которые обеспечивают доступ к практической программной библиотеке. Она будет полезна разработчикам и исследователям.

"Результаты исследования показывают значительное улучшение времени обучения и использования вычислительных ресурсов. В научной статье представлены рекомендации по выбору наиболее подходящего метода в зависимости от конкретного набора данных и алгоритма предварительной обработки пакетов данных", – сказано в сообщении.

Разработка этих алгоритмов поможет применять технологии глубокого обучения в новых областях, считает доцент кафедры суперкомпьютеров и квантовой информатики факультета ВМК МГУ Нина Попова. Это в свою очередь может ускорить внедрение ИИ-систем нового поколения в здравоохранение или сферу автономных транспортных средств.