Автор: Дарья Колмина
"Питерские заметки", 21.04.2023:
Команда учёных из MIT пришла к выводу, что жидкие нейронные сети успешно справляются с задачами навигации в непривычных условиях, например, в лесах, городах и средах с шумом, поворотами и препятствиями.
Эти сети проявляют себя даже лучше, чем многие современные аналоги.
Их можно использовать в практических целях, таких как поисково-спасательные миссии и мониторинг дикой природы при помощи беспилотных летательных аппаратов.
Учёные разработали новый тип алгоритмов машинного обучения, который способен распознавать структуру задач, основанных на неструктурированных многомерных данных, таких как изображения, полученные с беспилотного летательного аппарата.
Затем гибкие нейронные сети извлекают важные аспекты задачи, отбрасывая ненужную информацию, что позволяет беспилотному летательному аппарату без препятствий перемещаться к цели в новых условиях.
Эти сети проявляют себя даже лучше, чем многие современные аналоги.
Их можно использовать в практических целях, таких как поисково-спасательные миссии и мониторинг дикой природы при помощи беспилотных летательных аппаратов.
Учёные разработали новый тип алгоритмов машинного обучения, который способен распознавать структуру задач, основанных на неструктурированных многомерных данных, таких как изображения, полученные с беспилотного летательного аппарата.
Затем гибкие нейронные сети извлекают важные аспекты задачи, отбрасывая ненужную информацию, что позволяет беспилотному летательному аппарату без препятствий перемещаться к цели в новых условиях.
По материалам: glas.ru