Повышение эффективности обработки информации нейронными сетями с использованием параболических интегродифференциальных сплайнов в качестве функций активации нейронов

Рассмотрены способы повышения эффективности обработки информации нейронными сетями (нейросетями) путем использования разработанных автором параболических интегродифференциальных сплайнов (ИД-сплайнов) как функций активации нейронов. Предложено сделать коэффициенты параболических ИД-сплайнов обучаемыми параметрами нейросети наряду с весами нейронов. В этом случае функция активации в виде параболического ИД-сплайна изменяется в процессе обучения так, чтобы минимизировать функцию ошибки, за счет чего повышается точность результатов работы нейросети, сокращается время ее обучения и работы в режиме эксплуатации. Проанализированы перспективы модификации нейросетей с известными архитектурами (таких как ResNet) путем замены в них функций активации на ИД-сплайновые функции активации. Представляется, что такой подход сможет повысить качество функционирования ряда популярных нейросетей. Сделан вывод о том, что параболические ИД-сплайны в качестве функций активации могут повысить эффективность технологий искусственного интеллекта, в частности в таких задачах, как принятие решений, создание компьютерных игр, аппроксимация и прогнозирование данных (в финансовой и социальной сфере, в науке и др.), классификация информации, обработка изображений и видеороликов, применение компьютерного зрения, обработка текстов, речи, музыки и др.