МОСКВА, 31 октября. /ТАСС/. Специалисты Московского государственного университета имени М. В. Ломоносова создали алгоритмы предобработки данных, повышающие скорость обучения нейросетей. Об этом сообщила пресс-служба вуза.

       "Научные сотрудники факультета вычислительной математики и кибернетики МГУ выдвинули новейший подход к ускорению алгоритмов обучения нейронных сетей путем оптимизации процесса предобработки данных во время обучения", - говорится в сообщении.

       Алгоритмы, предложенные авторами, используются для обработки данных в фоновом режиме, что позволяет оптимизировать распределение нагрузки на вычислительные системы.

       Ученые реализовали подход с использованием языков программирования Python и C++, обеспечивающих доступ "к практической программной библиотеке для разработчиков и исследователей, которые могут применять их в своих проектах", уточнили в вузе.

       "Результаты [исследования] показывают значительное улучшение времени обучения и использования вычислительных ресурсов. В [научной] статье представлены рекомендации по выбору наиболее подходящего метода в зависимости от конкретного набора данных и алгоритма предварительной обработки пакетов данных", - говорится в сообщении.

       По мнению доцента кафедры суперкомпьютеров и квантовой информатики факультета ВМК МГУ Нины Поповой, разработка способствует расширению областей практического применения технологий глубокого обучения. Это может ускорить появление ИИ-систем нового поколения для решения прикладных задач в таких сферах, как, например, здравоохранение и автономные транспортные средства.