#Нейронная сеть

Ученые разработали алгоритм, который в разы лучше выявляет эпилепсию на записях ЭЭГ, чем другие автоматизированные методы. Для этого авторы скомбинировали два подхода к анализу сигналов активности мозга — классификатор, не требующий обучения, и обучаемую нейронную сеть. Разработка позволит автоматизировать анализ ЭЭГ и тем самым упростит процесс выявления эпилепсии.

Нейронные сети с каждым днем захватывают все больше различных сфер и автоматизируют множество процессов. Одно из популярных направлений — распознавание изображений. Его используют в медицинской диагностике, в автомобильной сфере для распознавания знаков на дороге, для навигации и визуального восприятия окружающей среды в робототехнике, для обнаружения инцидентов в системах видеонаблюдения. Требуется постоянная модификация и улучшение методов для снижения ошибок. Ученые ПНИПУ разработали подсистему машинного зрения, которая обеспечивает надежное распознавание мелких и разноудаленных от камеры объектов. Предложенная схема поможет, например, обнаружить оружие или опасные предметы в толпе.

Специалисты МТУСИ предложили использовать сверточную нейронную сеть для классификации кожных проявлений аллергических заболеваний.

Ученые из лаборатории исследований искусственного интеллекта Tinkoff Research создали самый эффективный среди своих аналогов алгоритм обучения и адаптации ИИ. Новый метод, названный ReBRAC, обучает ИИ в четыре раза быстрее и на 40% качественнее мировых аналогов в области обучения с подкреплением.

Современное развитие беспилотных летательных аппаратов позволяет решить большое количество задач: поиск, мониторинг окружающей среды, контроль транспортных потоков, выполнение функций спасателя. Ученые считают, что актуально применение нейронной сети в управлении беспилотными летательными аппаратами в частности при посадке, так как именно этот режим считается самым сложным и ответственным и имеет большую степень аварийности. В МТУСИ предложили модель нейронной сети для автоматической посадки беспилотников.

Исследователи из НИУ ВШЭ в Нижнем Новгороде, МИСИС и AIRI разработали алгоритм, который подбирает лучшую нейронную сеть для распознавания лиц, учитывая характеристики мобильного устройства. Новый подход ускоряет выбор наиболее подходящей нейросети и позволяет добиться идентификации лиц с точностью до 99 процентов.

Сегодня широко развивается технология горизонтального бурения скважин (когда их прокладывают с отклонением от вертикальной оси не менее чем на 80 градусов). Благодаря такой технологии нефть добывается с большей результативностью, чем при использовании обычных вертикальных скважин. Этот метод позволяет охватывать и разрабатывать обширные залежи углеводородов с использованием только одной скважины. Но существующие технологии, основанные на аналитических уравнениях, слишком ненадежны для расчета и прогноза дебита горизонтальных скважин (объема продукции, добываемой из скважины за единицу времени). Неточный расчет дебита негативно влияет на эффективность добычи нефти. Финансовые, человеческие и технологические ресурсы могут быть потрачены впустую – на скважину, которая не окупит затрат. Чтобы повысить точность прогнозирования дебита горизонтальных скважин, ученые Пермского Политеха предложили принципиально новый подход, основанный на методах машинного обучения.

Спайковые нейронные сети (SNN) стали перспективными типами искусственных нейронных сетей (ANN). SNN более биологически правдоподобны, чем точечные нейроны, имеют более простую структуру за счет меньшего количества нейронов и способны реализовывать биоподобные механизмы самообучения. Однако SNN требуют более высокой вычислительной мощности для программного расчета функции каждого нейрона. Эта проблема может быть решена аппаратной реализацией SNN, что и реализовали ученые из ТюмГУ.

В новом исследовании американским ученым впервые удалось пронаблюдать в реальном времени формирование двигательных воспоминаний и выяснить, почему так называемая мышечная память настолько устойчива к забыванию. Исследование может помочь выявить первопричины двигательных расстройств, возникающих при нейродегенеративных заболеваниях, таких как болезнь Паркинсона, а значит, и найти оптимальный метод их лечения.

Исследователи из основанного в Сколтехе стартапа «Синтелли», МГУ имени Ломоносова и Университета «Сириус» разработали решение на базе нейронной сети для автоматического распознавания химических формул на сканах научных статей.

Исследователям Сколтеха и их коллегам из Лёвенского католического университета (Бельгия) удалось восстановить трехмерные изображения волокнистых материалов, полученных с помощью микрокомпьютерной томографии. Чтобы решить эту сложную и трудоемкую для человека задачу, ученые использовали методы машинного обучения.

Исследователи Сколтеха и их коллеги из США и Сингапура создали нейронную сеть, с помощью которой можно настраивать свойства полупроводниковых кристаллов и получать компоненты для электроники с непревзойденными характеристиками. Эта работа открывает новое направление в разработке микросхем и солнечных элементов следующего поколения за счет использования контролируемой деформации, с помощью которой можно буквально «на лету» менять свойства материала.

Исследователь Сколтеха и его коллеги из Германии разработали алгоритм классификации на основе нейронной сети, с помощью которого по данным мониторинга из яблоневого сада можно предсказывать их качество после длительного хранения.

Истоки алкогольной зависимости увидели в сети головного мозга, которая регулирует реакцию на опасность, отвечает за принятие решений и оценку шансов человека на получение «награды» или «наказания» вследствие его же действий.

Исследователи из Сколтеха и Мюнхенского центра имени Гельмгольца создали нейронную сеть для визуализации химического пространства соединений, представляющих интерес для фармацевтики.

Так ученые доказали, что мухи используют зрение для распознавания других особей.

Некоторые исследователи надеются, что в будущем люди, потерявшие конечности, смогут контролировать роботизированные протезы при помощи нейрокомпьютерных интерфейсов.

Пока в ней удалось соединить только две клетки, но в будущем ученые надеются сформировать многоклеточную структуру.

В научной группе «Аэронет Лаб» из Сколтеха создали алгоритм, который позволяет провести анализ спутниковых изображений местности, где произошел пожар или другое стихийное бедствие, и быстро оценить хозяйственный ущерб.

Компания Google предложила использовать нейронные сети для выявления ранних признаков онкологических заболеваний непосредственно во время микроскопии.