ОПТИМИЗАЦИЯ ГЕНЕРАТИВНО-СОСТЯЗАТЕЛЬНЫХ СЕТЕЙ ДЛЯ СИНТЕЗА ЭЛЕКТРОКАРДИОГРАММ МЕТОДОМ АДАПТИВНОЙ КВАНТИЗАЦИИ (2026)
Цель. Данная работа посвящена преодолению высоких требований к вычислительным ресурсам и объему оперативной памяти путем разработки методов эффективной оптимизации генеративно-состязательных сетей, адаптированных для генерации сигналов электрокардиограмм.
Метод. В работе использованы методы глубокого обучения генеративно-состязательных сетей, способы обработки сигналов электрокардиограмм и реализации адаптивной квантизации весовых коэффициентов по поиску оптимального уровня квантизации для снижения потребления памяти при сохранении качества синтеза данных.
Результат. В результате проведённых экспериментов была разработана и обучена собственная архитектура генеративно-состязательной сети для синтеза сигналов электрокардиограмм. Сравнительный анализ метрики Fréchet Distance подтвердил высокое сходство сгенерированных данных с реальными ЭКГ -записями. Разработанный метод адаптивного квантования AGWR обеспечил сокращение потребления оперативной памяти на 75% при сохранении качества синтеза, превосходя традиционный подход Min-Max даже при экстремальном сжатии весов до 4 бит.
Вывод. Работа преодолевает ограничения GAN по вычислительным ресурсам, открывая возможности для практического внедрения в медицинские системы с ограниченными аппаратными ресурсами. Предложенная методика способствует восполнению дефицита клинических данных, ускоряя развитие интеллектуальных диагностических инструментов и персонализированной медицины в области сердечно-сосудистой патологии.