Методы искусственного интеллекта для анализа граф-структурированных данных при выявлении и диагностике функциональных сетей головного мозга в норме и патологии

Отчет 134 с., 43 рис., 110 источн. Цель работы – исследование новых методов машинного обучения, в том числе и на основе графовых нейронных сетей, которые позволят выделять особенности и классифицировать большие данные, которые имеют граф-ориентированную структуру. Цель этих работ состоит в изучении прогностической ценности различных алгоритмов машинного обучения, что может быть использовано для превентивной диагностики расстройств ЦНС. Вторым этапом проекта стало проведение исследования связи между интегральными характеристиками графа и возможностями различных типов искусственных нейронных сетей для диагностики топологии сети. Объектом исследование являются методы машинного обучения, в том числе графовые нейронные сети, сверточные нейронные сети. В ходе выполнения второго этапа проекта решены следующие задачи: 1) Проведен анализ явления когерентного резонанса в возбудимых нейронных сетях; 2) Проведено сравнительное исследование сверточной нейронной сети с графовой нейронной сетью на пространственно-вариантных графовых данных; 3) Проведены исследования резервуарного компонента искуственного интеллекта в условиях стохастического воздействия на нелинейную биофизическую систему. Выявлена высокая эффективность предсказания структурно-функциональных изменений биофизической системы с точностью не менее 87% при использовании резервуара с 1000 нейронов в скрытом слое. 4) Исследована технология визуально-аудиального сенсорного замещения. Разработан алгоритм работы устройства, при котором плотность информации, передаваемой пользователю, снижается от центра кадра к периферии.