Ученые МГУ нашли способ ускорить обучение нейросетей

Научные сотрудники факультета вычислительной математики и кибернетики МГУ считают, что оптимизации предобработки данных кардинально ускорит процесс обучения нейросетей.

Ученые факультета ВМК МГУ предложили методы, основанные на подходе организации параллельных вычислений, который позволяет проводить предварительную обработку данных в фоновом режиме, сообщает пресс-служба МГУ.

«Таким образом, предобработку данных можно выполнять на процессоре с использованием многозадачных вычислений, в то время как обучение нейронных сетей осуществляется на графических процессорах», – отметила доцент кафедры суперкомпьютеров и квантовой информатики факультета ВМК МГУ Нина Попова.

В исследовании представлены рекомендации по выбору наиболее подходящего метода в зависимости от конкретного набора данных и алгоритма предварительной обработки пакетов данных, что повышает его практическую ценность.

Предложенные методы реализованы с использованием языков программирования Python и C++, что предоставляет практическую программную библиотеку для разработчиков и исследователей, которые могут применять их в своих проектах.

Это исследование может стать шагом к ускоренному обучению нейронных сетей и, в конечном итоге, созданию более эффективных систем искусственного интеллекта в различных областях, от здравоохранения до разработки автономных транспортных средств.

Результаты исследования представлены в трудах конференции International Conference on Parallel Computational Technologies.