Ученые ПетрГУ разработали сенсор на основе нейронной сети, способный с 90% точностью определять меру хаоса в наборах данных. В основе работы датчика – перцептрон – математическая модель, которая имитирует работу нервной системы животных, то есть является системой из связанных воедино искусственных нейронов. Так же как и в организме живого существа, каждый набор нейронов имеет собственную функцию: одни нейроны принимают сигнал, другие суммируют сигналы и передают их, третьи рассчитывают энтропию исходного сигнала.
В физике, экономике, химии, биологии и других науках можно встретить понятие энтропии – то есть меры хаоса и упорядоченности чисел, данных, молекул и других явлений. Если у энтропии низкие значения, ученые говорят о стабильности и упорядоченности системы, если значения высокие, значит, система хаотична. Несмотря на то, что существуют различные методы расчета энтропии, ученые не пришли к единому мнению, является ли оценка энтропии окружающего мира врожденным качеством нашего мозга. Например, такая способность позволяет живым существам отличать шум ветра или травы (хаотичные сигналы) от шагов или невидимых, например, в темноте, движений (упорядоченные сигналы).
Ученые из Петрозаводска решили создать такую систему датчиков самостоятельно – они обучили нейросеть на наборе данных, представляющих собой непрерывный поток электрических сигналов с разной интенсивностью. Как объяснили сами специалисты, такие данные напоминают электрокардиограмму, то есть выглядят как «пики» и «впадины». Временные расстояния между этими «пиками» были переведены в числа, на основе которых ИИ научился определять степень упорядоченности и неупорядоченности сигнала. Благодаря этому нейросеть научилась определять соответствие между шаблонами сигналов и их энтропией.
Для того чтобы проверить успешность эксперимента, ученые предложили ИИ оценить новый набор сигналов – просчитывая количество «пиков», алгоритм определил «меру хаоса» с точностью до 90%.
«Наше исследование показало, что системы, работающие на тех же принципах, что и нейроны в головном мозге, действительно способны оценивать меру неупорядоченности внешних сигналов. Исходя из этого, можно даже предположить существование специальных сенсорных систем, которые могли бы помогать живым организмам распознавать хаос, например, во время охоты, чтобы отличить случайные сигналы от движения жертвы. На практике полученные результаты могут использоваться для нейрочипов в биопротезах, отслеживающих сигналы отдельных нейронов, при разработке «умных» медицинских датчиков, определяющих, например, патологии на электрокардиограммах и энцефалограммах, а также роботов, имитирующих поведение животных», – рассказал руководитель проекта Андрей Величко, кандидат физико-математических наук, заведующий учебно-научной лабораторией по разработке электронной компонентной базы на основе микро- и наноструктур Петрозаводского государственного университета.
Результаты исследования, поддержанного грантом Российского научного фонда (РНФ), были опубликованы в журнале Sensors.
Источник: Российский научный фонд
распечатать статью
