В пресс-службе пояснили, что в работе моделировалось воздействие белого гауссовского шума, который вводился либо в сами нейроны, либо в связи между ними. Нейронные сети обучались распознавать изображения и предсказывать сложные квазипериодические и хаотические сигналы. В результате оказалось, что присутствие шума на этапе обучения повышает устойчивость системы к помехам в дальнейшем.Авторы исследования отмечают, что эффект стал для них неожиданным. По словам руководителя исследования, доцента кафедры радиофизики и нелинейной динамики университета Надежды Семеновой, изначально ученые были уверены, что влияние шума окажется исключительно негативным. Исследователи считали, что точность сети будет падать, а перед учеными встанет задача поиска методов борьбы с шумом в процессе обучения.
«Для нас было большой неожиданностью, что добавление шума в процессе обучения — это уже способ борьбы с шумом. По сути, в своей работе мы показываем, что любую аппаратную сеть необходимо обучать с внутренними шумами. Это существенно повысит резистентность сети к шуму в дальнейшем в процессе работы, даже если параметры воздействий были не идеально подобраны», — процитировали Семенову в пресс-службе Минобрнауки РФ.
По словам исследователей, речь идет не о стандартных алгоритмических приемах, применяемых в программных нейросетях для борьбы с переобучением. "Новизна подхода заключается в том, что шум