🤖 Сьогодні, коли говорять про штучний інтелект , зазвичай виникає асоціація з великими моделями, мільярдами параметрів та значними обчислювальними потужностями. Проте для розв’язання багатьох практичних задач неможливо отримати достатньо великий набір навчальних даних. Більше того, потужні моделі складно адаптувати до динамічної зміни потоку даних та застосовувати системи на їх основі в режимі реального часу в умовах з обмеженими обчислювальними ресурсами.

📚Вирішенням такого роду проблем займається аспірант НН ІПСА Кузьменко Олексій Віталійович у рамках свого дисертаційного дослідження . Робота присвячена дослідженню гібридних мереж глибокого навчання, в яких застосовується принцип самоорганізації для синтезу структури мережі у процесі навчання. Такі мережі не потребують проєктування архітектури – вони самі здатні визначати оптимальну кількість шарів та вузлів відповідно до умов поставленої задачі та наявних навчальних даних.

🔗Детальніше про дослідження можна прочитати на сайті НН ІПСА