• Ученые предложили подходы «сильного» и «слабого» предсказания для стохастических систем с помощью нейросетей.
• Режим «слабого» предсказания можно использовать для стохастических систем, таких как нейронные сети и финансовые рынки.
• Нейросети не могли точно предсказывать поведение стохастических систем из-за сложности учета внешних случайных воздействий.
• Ученые выделили две категории предсказания: сильное и слабое.
• Сильный прогноз - это составление четкой траектории движения модели или системы.
• Слабое предсказание позволяет рассчитать вероятность поведения системы.
• Модели слабого предсказания могут быть эффективнее «сильных» и полезны для финансовой аналитики, разработки интерфейсов «мозг-компьютер» и прогнозирования климатических явлений.

«Наши результаты предоставляют мощную основу для решения реальных проблем в нейронауке, лазерной физике, интеллектуальных системах для автономных устройств и других областях. Используя их, можно разрабатывать более эффективные системы управления и повышать точность прогнозирования. Например, сильное или слабое прогнозирование активности мозга позволит выявлять различные нарушения в его работе и заболевания, а также будет полезно для создания интерфейсов “мозг-компьютер”. В частности, слабое предсказание может помочь прогнозировать характеристики шума в сигналах мозговой активности и точнее отличать один паттерн мозговой активности от другого», — рассказывает участник проекта, поддержанного грантом РНФ, Никита Кулагин, студент, лаборант-исследователь Балтийского центра нейротехнологий и искусственного интеллекта Балтийского федерального университет имени Иммануила Канта.