Разработка и исследование новых архитектур реконфигурируемых растущих нейронных сетей, методов и алгоритмов их обучения

При создании прикладных систем, основанных на интеллектуальных технологиях, исследователи сталкиваются с рядом ограничений существующих методов, а именно: жесткие требования к качеству исходных данных, их объему (зачастую существенно превышающие реальные возможности по регистрации данных в силу организационных или экономических причин), необходимости выделения больших временных ресурсов на обработку данных экспертами. Ещё более серьезным ограничением является требование, чтобы эксплуатация изделия производилась в условиях близких к условиям, описываемыми исходными данными (причем данное ограничение задается не явно и плохо формализуется в количественных показателях). Таким образом интеллектуальные системы ограничены в своих адаптивных способностях к изменению условий эксплуатации.Проект выполняется с целью создания новых нейроморфных систем управления и обработки информации в автономных робототехнических агентах. В настоящее время глубокие нейронные сети широко и успешно применяются для решения ряда важных частных задач искусственного интеллекта: компьютерное зрение, тактическое и стратегическое игрового планирование и ряд других. Предлагаемый в проекте подход направлен на расширение области применения технологии нейронных сетей на случаи, когда формальная постановка исходной задачи не определена, либо может существенно измениться во время функционирования. Планируется создание новых нейроморфных моделей нейрона, архитектур и алгоритмов обучения, основывающихся на принципах функционирования и развития нервной системы живых организмов для существенного повышения адаптивности пластичности технических решений на базе глубоких нейронных сетей. Разработанные архитектуры, модели и алгоритмы откроют возможность для создания интеллектуальных систем и автономных агентов, сохраняющих работоспособность при качественном изменении характеристик среды, а также параметров сенсорной или исполнительной системы.