• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  • Los físicos entrenan la red neuronal oscilatoria para reconocer imágenes

    Crédito:Andrei Velichko

    Los físicos de la Universidad Estatal de Petrozavodsk han propuesto un nuevo método para que la red neuronal oscilatoria reconozca imágenes simples. Tales redes con un estado sincrónico ajustable de neuronas individuales tienen, presumiblemente, dinámica similar a las neuronas en el cerebro vivo.

    Una red neuronal oscilatoria es un entrelazado complejo de elementos que interactúan (osciladores) que pueden recibir y transmitir oscilaciones de una determinada frecuencia. Recibir señales de varias frecuencias de elementos precedentes, el oscilador de neuronas artificiales puede sincronizar su ritmo con estas fluctuaciones. Como resultado, en la red, algunos de los elementos están sincronizados entre sí (activados periódica y simultáneamente), y otros elementos no están sincronizados. De esta forma, Se forma una imagen espacio-temporal de la distribución de sincronización. Se ha asumido comúnmente que tales procesos son responsables del procesamiento y transmisión de información en el cerebro humano. y por tanto son de especial interés para el estudio.

    Los científicos del Departamento de Electrónica e Ingeniería de Energía de la Universidad Estatal de Petrozavodsk han establecido el objetivo del reconocimiento de patrones basado en redes de oscilador acopladas implementadas en estructuras de dióxido de vanadio. Los físicos han desarrollado un método de registro de sincronización con alta sensibilidad y selectividad. Al aplicarlo en la práctica, es posible crear una red capaz de reconocer imágenes de la misma forma que lo hacen los sistemas neuronales biológicos.

    En el estudio, las imágenes de entrada en forma de tablas de tres por tres dimensiones se transmitieron a la red cambiando las corrientes de suministro, y las corrientes cambiaron las frecuencias de oscilación de los osciladores. Como resultado, la red reaccionó a cada imagen recibida con dinámicas específicas. La idea del nuevo método era seleccionar parámetros de red clave para entrenar al sistema a sincronizar solo para una imagen de entrada específica, lo que significa reconocerlo.

    El estado de sincronización de la neurona-oscilador de salida en relación con el ritmo de la neurona-oscilador principal se eligió como la señal de salida registrada. Los autores demostraron que la sincronización se puede observar no solo en las frecuencias fundamentales, pero también en sus múltiples partes (subarmónicos). Un aumento en el número de estados sincrónicos debido a subarmónicos se denomina efecto de sincronización de alto orden. Tener simultáneamente varios estados de sincronización, la neurona se convierte en una neurona multinivel. Por lo tanto, una red oscilatoria de una pequeña cantidad de neuronas puede realizar operaciones complejas como el habla, reconocimiento de imagen y video, y resolviendo predicciones, problemas de optimización y control.

    Usando esta propiedad, los investigadores configuraron la red de tal manera que diferentes imágenes de entrada causaron diferentes patrones de sincronización de la red oscilatoria. Descubrieron que la red podía reconocer simultáneamente hasta 14 cifras de tres por tres de 102 posibles variantes, mientras que solo tiene un oscilador en la salida.

    "En el futuro, Se pueden crear chips de red neuronal compactos con osciladores a nanoescala sobre la base de estas redes. La característica distintiva de la tecnología de redes neuronales que estamos desarrollando es un sistema de procesamiento de información fundamentalmente nuevo. El efecto de la sincronización de alto orden de señales pulsadas permite la utilización de neuronas multinivel con un alto grado de funcionalidad. La ventaja de tales redes neuronales oscilatorias es la posibilidad de crear redes neuronales utilizando una amplia variedad de osciladores físicos, incluyendo osciladores magnéticos y eléctricos. Al mismo tiempo, la red entrenada ya no necesita cálculos por computadora, y opera de forma independiente como un organismo neuronal separado, "dice el profesor asociado Andrei Velichko.


    © Ciencia https://es.scienceaq.com