Полное описание

Ар26-663
004.8/И 200
Иванов, Дмитрий Александрович. Нейроморфные методы оптимизации систем искусственного интеллекта для задач обучения с подкреплением : специальность 2.3.5. Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей : автореферат диссертации на соискание учёной степени кандидата физико-математических наук / Иванов Дмитрий Александрович ; Московский государственный университет им. М. В. Ломоносова, Факультет вычислительной математики и кибернетики, Кафедра суперкомпьютеров и квантовой информатики. - Москва : [б. и.], 2025. - 24 с. : цв. ил. - Библиогр.: с. 24 (3 назв.). - 50 экз. - Текст : непосредственный.

ГРНТИ	УДК
28.23	004.8(043)

Рубрики:
Искусственный интеллект

Кл.слова (ненормированные): ии -- алгоритмы -- энергопотребление -- обучение с подкреплением -- эффективность -- нейроморфные архитектуры
Аннотация: Основная проблема, которую решает работа, — низкая энергоэффективность и высокая затратность при работе современных систем ИИ на архитектуре фон Неймана, особенно в задачах обучения с подкреплением. Нейроморфные методы, имитирующие принципы работы мозга человека, могут повысить энергоэффективность, скорость работы и масштабируемость систем ИИ. В диссертации предложены два новых алгоритма оптимизации нейронных сетей: на основе комбинации структурной разреженности и квантования, на основе комбинации структурной и временной разреженностей. Методы позволяют сократить размер моделей до 400 раз, уменьшить число вычислительных операций и обращений к памяти на 1–2 порядка без потери качества. Также была показана связь этих методов оптимизации с некоторыми принципами работы мозга человека.
Доп. точки доступа:
Московский государственный университет им. М. В. Ломоносова. Факультет вычислительной математики и кибернетики. Кафедра суперкомпьютеров и квантовой информатики

Имеются экземпляры в отделах: всего 1 : ХРЦ (1)
Свободны: ХРЦ (1)

Заказать
Заказ фрагмента документа ₽