Программа для параллельного обучения модульной нейронной сети, разделенной с помощью вейвлет-преобразования

Наименование РИД	Программа для параллельного обучения модульной нейронной сети, разделенной с помощью вейвлет-преобразования
Реферат	Программа предназначена для создания и обучения параллельных модульных искусственных нейронных сетей (ИНС). Осуществляет разбиение входной информации на модули с помощью вейвлет-спектра преобразования Хаара, используя размещение модулей на различных устройствах или потоках, и обучает модульные ИНС с последующим объединением результатов. Обучение осуществляется параллельно обоих уровнях спектра, а по окончании рекомендует выбор использования обученной ИНС на основании критерия максимальной точности распознавания. Обученные модули могут использоваться как автономно для оптимизации вычислительной нагрузки, так и совместно для создания гибких модульных искусственных нейронных сетей в распределенных вычислительных средах, в т.ч. туманных вычислениях.
Возможные направления использования	Программа предназначена для обоснования возможности создания, обучения и практического применения параллельных модульных искусственных нейронных сетей. Программа осуществляет разбиение входной информации на модули с помощью вейвлет-спектра преобразования Хаара, используя размещение модулей на различных устройствах или потоках и обучает модульные нейронные сети с последующим объединением результатов. Обучение осуществляется параллельно на первом и втором уровне спектра, а по окончании обучения с помощью сформированных графиков можно рекомендовать выбор использования обученной нейронной сети на основании критерия максимальной точности распознавания. Обученные модули, прошедшие обучение и выбранные по критерию максимальной точности, в дальнейшем могут использоваться автономно для оптимизации вычислительной нагрузки, так и совместно для создания гибких модульных искусственных нейронных сетей для использования в распределенных вычислительных средах, в том числе, в туманных вычислениях.
Количество опытных образцов	1
Количество просмотров	2
Наличие дополнительных файлов	True
Использование РИД правообладателем	False
Внешнее использование РИД	False
НИОКТР (JSON)	{}
ИКСИ (JSON)	[]
ИКСПО (JSON)	[]
ОЭСР (JSON)	[]
Дата первого статуса	2025-12-01T15:17:34.413005+00:00
Предполагаемый тип результата	Программа для ЭВМ
Ожидаемая роль	Исполнитель
Заказчик	Российский научный фонд
Руководитель работы	Вершков Николай Анатольевич
Руководитель организации	Лиховид Андрей Александрович
Регистрационный номер НИОКТР	124021600017-4
Последний статус	Подтверждена, 625121200235-7, 2025-12-12 10:00:54 UTC
ОКПД	Работы оригинальные научных исследований и экспериментальных разработок в области естественных и технических наук, кроме биотехнологии
Ключевые слова	туманные вычисления; искусственные нейронные сети; вейвлет-преобразование; модульная нейронная сеть; критерий максимальной точности распознавания; спектр; преобразование Хаара; параллельное обучение ИНС
Исполнители	ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "СЕВЕРО-КАВКАЗСКИЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ"
Авторы	Луценко Владислав Вячеславович; Кучукова Наталья Николаевна; Вершков Николай Анатольевич
Коды тематических рубрик	28.23.37 - Нейронные сети
OESR	Компьютерные, информационные науки и биоинформатика (разработка аппаратного обеспечения относится к разделу 2.2, социальный аспект относится к разделу 5.8)
Приоритеты научно-технического развития	а) переход к передовым технологиям проектирования и создания высокотехнологичной продукции, основанным на применении интеллектуальных производственных решений, роботизированных и высокопроизводительных вычислительных систем, новых материалов и химических соединений, результатов обработки больших объемов данных, технологий машинного обучения и искусственного интеллекта;