Мэдрэлийн сүлжээний хамгаалалтын системийг олон төрлийн шинжээчдийн баг боловсруулж байна

Мичиганы их сургуулийн инженер, биологич, математикчдаас бүрдсэн олон янзын баг дасан зохицох дархлааны системд суурилсан мэдрэлийн сүлжээг хамгаалах системийг боловсруулжээ. Систем нь мэдрэлийн сүлжээг янз бүрийн төрлийн халдлагаас хамгаалах боломжтой.

Бузар бүлгүүд гүнзгий суралцах алгоритмын оролтыг буруу тийш нь чиглүүлэхийн тулд тохируулж болох бөгөөд энэ нь таних, машины хараа, байгалийн хэл боловсруулах (NLP), хэлний орчуулга, хэрүүл илрүүлэх гэх мэт програмуудад томоохон асуудал болж болзошгүй юм. 

Хүчирхэг дайсагналтай дархлалтай сургалтын систем

Шинээр бүтээгдсэн хамгаалалтын системийг бат бөх дайсагнасан дархлаатай сургалтын систем гэж нэрлэдэг. Бүтээл нь хэвлэгдсэн IEEE хандалт. 

Альфред Баатар бол Жон Х. Холландын нэр хүндтэй их сургуулийн профессор юм. Тэр ажлыг хамтран удирдаж байсан. 

"RAILS бол төрөлхийн дархлалын системээс өөрөөр ажилладаг дасан зохицох дархлалын тогтолцооны загварчлалаар бүтээгдсэн, сөргөлдөөнтэй суралцах хамгийн анхны арга юм" гэж Херо хэлэв. 

Тархинаас өдөөгдсөн гүн мэдрэлийн сүлжээнүүд нь хөхтөн амьтдын дархлааны тогтолцооны биологийн үйл явцыг мөн дуурайж чаддаг болохыг судалгааны багийнхан тогтоожээ. Энэ дархлааны систем нь тодорхой эмгэг төрүүлэгчдээс хамгаалах зорилготой шинэ эсүүдийг үүсгэдэг. 

Индика Ражапаксе бол тооцооллын анагаах ухаан, биоинформатикийн дэд профессор бөгөөд судалгааны хамтран удирдагч юм.

“Дархлаа нь гэнэтийн зүйлд зориулагдсан байдаг. Энэ нь гайхалтай дизайнтай бөгөөд үргэлж шийдлийг олох болно "гэж Ражапаксе хэлэв. 

Дархлааны системийг дуурайх

RAILS нь дархлааны тогтолцооны байгалийн хамгаалалтыг дуурайдаг бөгөөд энэ нь мэдрэлийн сүлжээнд сэжигтэй оролтыг тодорхойлж, шийдвэрлэх боломжийг олгодог. Биологийн баг дархлааны тогтолцооны загварыг бүтээхээс өмнө хулганын дасан зохицох дархлааны систем нь эсрэгтөрөгчид хэрхэн хариу үйлдэл үзүүлдэгийг судалжээ. 

Мэдээллийн талаарх өгөгдлийн шинжилгээг тухайн үед биоинформатикийн чиглэлээр докторын оюутан байсан Стивен Линдсли хийсэн. Линдсли энэ мэдээллийг биологич, инженерүүдийн хооронд орчуулахад тусалсан нь Херогийн багт биологийн процессыг компьютер дээр загварчлах боломжийг олгосон юм. Үүнийг хийхийн тулд баг биологийн механизмуудыг код болгон нэгтгэсэн. 

RAILS хамгаалалтыг өрсөлдөгчийн оролтоор туршсан.

"Бид RAILS-ийн суралцах муруйг туршилтаас гаргаж авсан муруйтай харьцуулах хүртлээ биологийн процессыг үнэхээр барьж авсан гэдэгтээ эргэлзэж байсан" гэж Херо хэлэв. "Тэд яг адилхан байсан." 

RAILS нь одоогийн байдлаар дайсагнагч дайралттай тэмцэхэд ашиглагдаж буй хамгийн түгээмэл машин сургалтын хоёр процессоос илүү гарсан. Эдгээр хоёр процесс нь Roust Deep k-Nearest Neighbor болон convolutional neural network юм. 

Рэн Ван бол цахилгаан, компьютерийн инженерийн чиглэлээр ажилладаг эрдэм шинжилгээний ажилтан юм. Тэрээр програм хангамжийг боловсруулах, хэрэгжүүлэх ажлыг голчлон хариуцаж байсан. 

"Энэ ажлын маш ирээдүйтэй хэсэг бол бидний ерөнхий бүтэц нь янз бүрийн төрлийн халдлагаас хамгаалж чадна" гэж Рэн Ван хэлэв. 

Дараа нь судлаачид янз бүрийн өгөгдлийн багц дахь 8 төрлийн дайсагнасан халдлагын эсрэг RAILS-ийг үнэлэхийн тулд зургийн таних аргыг туршилтын тохиолдол болгон ашигласан. Энэ нь бүх тохиолдолд сайжирч байгааг харуулсан бөгөөд тэр ч байтугай дайсан довтолгооны хамгийн хор хөнөөлтэй төрөл болох "Projected Gradient Descent" халдлагаас хамгаалсан. RAILS нь ерөнхий нарийвчлалыг сайжруулсан.

"Энэ бол гайхалтай динамик системийг ойлгохын тулд математик ашиглах гайхалтай жишээ юм" гэж Ражапаксе хэлэв. "Бид RAILS-ээс сурсан зүйлээ авч, дархлааны системийг илүү хурдан ажиллуулахад туслах боломжтой."