Нейросеть на чистом C++ уместилась в 32 КБ и предсказывает ВВП точнее ARIMA

Инженер реализовал нейронную сеть для прогнозирования макроэкономических показателей на чистом C++20, обойдясь без TensorFlow, PyTorch и других библиотек. Модель имитирует реальные циклы оборота капитала и для ускорения обучения использует технологию NVIDIA CUDA. Такой подход позволяет запускать готовую сеть на обычном ноутбуке или даже на микроконтроллерах — например, на Arduino с лимитом ОЗУ 32 КБ и ценой 300–400 рублей.

Архитектура включает четыре скрытых слоя нелинейной сети, которые сжимаются до всего шести проекционных нейронов — в соответствии с рекомендациями Всемирного банка. В основе работы лежит многолетнее исследование: начиная с работ Swanson и White (конец 1990-х) и заканчивая недавними тестами Zhang и Bian (2024), которые подтвердили, что нелинейные функции активации превосходят классические линейные модели (вроде ARIMA) при прогнозировании ВВП на длинных временных рядах.

В статье также упоминается, что очистка данных перед подачей в сеть сильно снижает ошибку (Kuan и Liu), а переключение весов помогает предсказывать кризисные периоды (Lin и Chen). Индийские и европейские исследователи уже подтвердили эффективность подхода для анализа скрытых экономических зависимостей.

Хотя идея использования нейронных сетей для макроэкономического прогнозирования не нова, данная реализация примечательна отсутствием внешних зависимостей и экстремально низкими требованиями к ресурсам. Это делает модель доступной для массового использования в embedded-системах, что может быть интересно как инженерам, так и исследователям развивающихся рынков.