19 марта, Минск /Корр. БЕЛТА/.Исследователи из России разработали нейросетевой подход, позволяющий раскрывать динамику работы нейронов и предсказывать поведение системы при смене условий даже в том случае, когда у ученых имеется лишь неполный или частичный набор данных о переменах в свойствах этих клеток. Об этом сообщает ТАСС со ссылкой на пресс-службу НИУ ВШЭ.
"Важно, что созданная нами нейросеть может выявлять новые закономерности в данных. Она находит связи, которые в явном виде не представлены в обучающей выборке, и делает выводы о поведении системы в новых условиях", - пояснила ведущий научный сотрудник НИУ ВШЭ в Нижнем Новгороде Наталия Станкевич, чьи слова приводит пресс-служба вуза.
Разработанный Станкевич и ее коллегой Павлом Купцовым подход позволяет воссоздавать и всесторонне изучать работу нейронов в мозге в разных обстоятельствах, опираясь лишь на очень ограниченный набор экспериментальных данных. В этом отношении он выгодно отличается от уже существующих математических моделей, для работы которых требуется большое число параметров, таких как напряжение на мембране, токи разных ионов и состояние каналов клетки.
Российские исследователи обнаружили, что значительную часть этих неизмеренных параметров можно достаточно точно оценить при помощи нейросетей-вариационных автокодировщиков, анализирующих лишь одну ключевую характеристику нервной клетки - то, как со временем меняется электрический потенциал ее мембраны. Это особенно актуально для анализа данных реальных экспериментов, так как все параметры работы нейронов сложно измерить на практике.
"Мы берем всего один ряд данных - единственный пример поведения, обучаем на нем модель и встраиваем в нее управляющий параметр. Его можно представить как "переключатель", который можно крутить, чтобы наблюдать разные варианты поведения. Если после обучения начать крутить "переключатель", то есть менять этот параметр, мы увидим, что модель воспроизводит различные типы поведения, характерные для исходной системы", - пояснил Купцов, чьи слова приводит пресс-служба вуза.
Работу этого подхода ученые проверили на реалистичном наборе данных о свойствах нейронов мозга, который был подготовлен при помощи компьютера. По словам исследователей, при моделировании их работы нейросеть не просто повторила режимы системы, на которых ее обучали, но и выявила неизвестные для нее варианты поведения нейронов, которые отсутствовали в обучающих данных. В перспективе это позволит использовать подобные ИИ-алгоритмы для поиска скрытых закономерностей в работе нейронов, подытожили исследователи.-0-
"Важно, что созданная нами нейросеть может выявлять новые закономерности в данных. Она находит связи, которые в явном виде не представлены в обучающей выборке, и делает выводы о поведении системы в новых условиях", - пояснила ведущий научный сотрудник НИУ ВШЭ в Нижнем Новгороде Наталия Станкевич, чьи слова приводит пресс-служба вуза.
Разработанный Станкевич и ее коллегой Павлом Купцовым подход позволяет воссоздавать и всесторонне изучать работу нейронов в мозге в разных обстоятельствах, опираясь лишь на очень ограниченный набор экспериментальных данных. В этом отношении он выгодно отличается от уже существующих математических моделей, для работы которых требуется большое число параметров, таких как напряжение на мембране, токи разных ионов и состояние каналов клетки.
Российские исследователи обнаружили, что значительную часть этих неизмеренных параметров можно достаточно точно оценить при помощи нейросетей-вариационных автокодировщиков, анализирующих лишь одну ключевую характеристику нервной клетки - то, как со временем меняется электрический потенциал ее мембраны. Это особенно актуально для анализа данных реальных экспериментов, так как все параметры работы нейронов сложно измерить на практике.
"Мы берем всего один ряд данных - единственный пример поведения, обучаем на нем модель и встраиваем в нее управляющий параметр. Его можно представить как "переключатель", который можно крутить, чтобы наблюдать разные варианты поведения. Если после обучения начать крутить "переключатель", то есть менять этот параметр, мы увидим, что модель воспроизводит различные типы поведения, характерные для исходной системы", - пояснил Купцов, чьи слова приводит пресс-служба вуза.
Работу этого подхода ученые проверили на реалистичном наборе данных о свойствах нейронов мозга, который был подготовлен при помощи компьютера. По словам исследователей, при моделировании их работы нейросеть не просто повторила режимы системы, на которых ее обучали, но и выявила неизвестные для нее варианты поведения нейронов, которые отсутствовали в обучающих данных. В перспективе это позволит использовать подобные ИИ-алгоритмы для поиска скрытых закономерностей в работе нейронов, подытожили исследователи.-0-
- размещаются материалы рекламно-информационного характера.