ПО НИИТ НИУ ВШЭ ВКЛЮЧЕНО В РЕЕСТР РОССИЙСКОГО ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ

В рамках деятельности НИИТ НИУ ВШЭ разработана программа группой ученых: Эмиль Хайров, Владислав Просвиров, Али Амджад, Евгений Кучерявый.

Программа "Программа для обучения нейросети для экстраполяции данных трассировки лучей методом федеративного обучения" предоставляет возможность создания объекта базовой станции, а также заданное количество объектов пользовательских устройств. Объект базовой станции имеет функции агрегации весов, полученных от локальных пользовательских моделей, обновления и передачи агрегированных весов на пользовательские устройства. Также класс содержит функцию оценки текущей точности модели нейронной сети. Объект пользовательского устройства содержит функции чтения и подготовки данных к обучению, запуска обучения нейронной сети, передачи весов модели на базовую станцию. Программа предоставляет пользователю возможность параметризации модели нейронной сети и возможность построения графика точности работы уже обученной нейронной сети. Основной функцией программы является возможность запуска обучения нейронной сети методом федеративного обучения, которое подразумевает обучение локальных моделей на пользовательских устройствах, последующую передачу весов модели на базовую станцую, агрегацию весов модели базовой станцией с последующей передачей обновленных параметров модели пользовательским устройствам.

Программа предоставляет пользователю возможность конфигурировать количество пользовательских устройств, архитектуру модели нейронной сети, устанавливать количество итераций федеративного обучения, обучать нейронную сеть методом федеративного обучения, сохранять обученную модель и строить графики для оценки точности полученной модели.

Список решаемых прикладных задач:

1) загрузка данных из моделирования трассировки лучей, представленных в виде кадров;

2) конфигурация архитектуры нейросети;

3) обучение модели нейронной сети для экстраполяции данных методом с использованием федеративного обучения;

4) построение графиков для оценки точность обучения нейронной сети;

5) запуск сохраненной нейросети для экстраполяции данных в сценариях с использованием федеративного обучения.