Исследователи Макс и Шен разработали систему Spi-Fly, в которой показания датчиков преобразуются в последовательность импульсов. Затем эти сигналы случайным и разреженным образом передаются на скрытый слой, имитирующий клетки Кеньона. Нейроны в этом слое подавляют активность друг друга, а далее информация поступает к выходным нейронам, каждый из которых соответствует определенному запаху.
Обучение системы строится на простом правиле: если скрытый нейрон срабатывает одновременно с правильным ответом, связь между ними усиливается. Для этого не применяется обратное распространение ошибки, которое используется в большинстве современных нейросетей. Такой подход позволяет сопоставлять полученные «штрихкоды» с конкретными запахами.
В испытаниях с запахами, зафиксированными обычными газовыми датчиками, Spi-Fly достигала максимальной эффективности после трех предъявлений каждого образца. Нейросети с обратным распространением ошибки для аналогичного результата требовалось около 70 повторений. При последовательном добавлении новых запахов система почти не теряла точность при распознавании уже изученных образцов.
Разработка рассчитана на использование в нейроморфных чипах, которые обрабатывают импульсы по принципу работы мозга. Такие устройства обычно имеют ограниченный объем памяти, поэтому алгоритмы должны работать при жестких ресурсных ограничениях. В этих условиях Spi-Fly снижала качество заметно меньше, чем модели с обратным распространением ошибки.
При этом возможности системы не безграничны. По оценке Макса, при 100 нейронах в разреженном слое и пяти нейронах на один запах теоретически можно получить около 75 млн комбинаций. Однако шумы, условия воздушного потока и другие факторы приводят к тому, что один и тот же запах при разных измерениях кодируется по-разному, поэтому на практике модель способна распознавать лишь несколько сотен запахов.
