Наилучший результат показала разработанная российскими соавторами статьи нейронная сеть LegNet. Она относится к классу сверточных нейронных сетей, успешно применяемых на современных устройствах для анализа изображений и видео. Авторы показали, что такие модели высокоадаптивны и могут быть гибко донастроены под конкретную задачу. Такой результат открывает новые возможности для применения небольших нейросетей в решении практических задач генетики и биомедицины.
«Исследование показало, что более простые архитектуры нейронных сетей с меньшим количеством параметров при хорошей оптимизации могут быть эффективнее новейших более сложных алгоритмов. Это бросает вызов текущей тенденции по чрезмерному усложнению нейронных сетей», — рассказывает Дмитрий Пензар, преподаватель факультета биоинженерии и биоинформатики МГУ.
В исследовании принимали участие исследователи факультета биоинженерии и биоинформатика МГУ, Института общей генетики имени Н.И. Вавилова РАН (Москва) Института белка РАН (Пущино) и зарубежные коллеги.
Результаты исследования опубликованы в журнале Nature Biotechnology.
Подробнее: https://www.nature.com/articles/s41587-024-02414-w
