Científicos de la Universidad Rusa de Economía Plekhanov han encontrado una manera de aumentar significativamente la precisión de las redes neuronales que predicen procesos complejos, desde el comportamiento atmosférico hasta la actividad de las células nerviosas. Para ello, los investigadores hicieron algo inusual: en lugar de complicar el sistema, lo ordenaron internamente.

Se trata de redes neuronales de reservorio. Normalmente, su capa interna consta de un gran número de neuronas artificiales conectadas aleatoriamente. Debido a este "caos", el resultado puede depender en gran medida de la red específica que se haya generado aleatoriamente: una funciona bien, otra, con la misma configuración, mucho peor.

El equipo de la Universidad Plekhanov reemplazó la estructura aleatoria con pequeños bloques ordenados (grupos de tres, cuatro o cinco neuronas) y nodos aislados individuales. Los mejores resultados se obtuvieron con una arquitectura de bloques de cuatro elementos: el error de predicción se redujo hasta cuatro veces, y para lograr la precisión deseada se requirieron aproximadamente 30 veces menos elementos conectados.

El desarrollo se probó en varias tareas: predicción de la actividad de las células nerviosas, modelos de dinámica atmosférica y reacciones químicas, así como la recuperación de señales ocultas de electroencefalogramas. Además, el nuevo sistema resultó ser más estable: su calidad dependía menos de la configuración inicial aleatoria.

En el futuro, este enfoque podría permitir la creación de dispositivos de red neuronal más compactos y energéticamente eficientes. Los autores esperan aplicar la arquitectura en el trabajo con señales médicas, grandes conjuntos de sensores, en energía e incluso en neurointerfaces portátiles.

La investigación fue dirigida por el Dr. en Ciencias Físicas y Matemáticas Alexander Khramov, director del Instituto de Investigación de Inteligencia Artificial Aplicada y Soluciones Digitales de la Universidad Plekhanov. El trabajo se realizó con el apoyo de la Russian Science Foundation y se publicó en la revista científica Chaos.