Математики РУДН и Свободного университета Берлина предложили новый способ использования нейронных сетей для работы с зашумленными данными больших размерностей

Математики РУДН и Свободного университета Берлина предложили новый способ использования нейронных сетей для работы с зашумленными данными больших размерностей

Математики РУДН и Свободного университета г. Берлина предложили новый подход к изучению распределений вероятностей наблюдаемых данных с помощью искусственных нейронных сетей. Новый подход лучше взаимодействует с так называемыми выбросами — с теми объектами входных данных, которые значительно выделяются из общей выборки.

Восстановление распределения вероятностей наблюдаемых данных искусственными нейронными сетями — это наиболее важная часть машинного обучения. Распределение вероятностей не только позволяет прогнозировать поведение исследуемой системы, но и количественно оценить неопределенность, с которой делаются прогнозы. Главная трудность заключается в том, что, как правило, наблюдаются лишь сами данные, но их вероятностные распределения в точном виде не доступны. Для решения этой проблемы используют байесовские и близкие к ним приближенные методы. Но их использование увеличивает сложность нейронной сети и соответственно ее обучения.

Математики РУДН и Свободного университета г. Берлина использовали детерминированные веса для нейронных сетей, а выходами сетей закодировали распределения латентных переменных для искомого маргинального (частного) распределения. Анализ динамики обучения таких сетей позволил им получить формулу, которая корректно оценивает дисперсию распределения наблюдаемых данных, несмотря на наличие в данных выбросов. Предложенную модель проверили на разных данных: синтетических и реальных. Новый метод позволяет восстанавливать распределения вероятностей с более высокой точностью по сравнению с другими современными методами. Точность оценивалась по методу AUC (area under the curve — это площадь под графиком, который позволяет оценить среднеквадратичную ошибку предсказаний в зависимости от размера выборки, оцененной сетью как «надежная»; чем выше оценка AUC, тем качественнее предсказания).

Статья опубликована в журнале Artificial Intelligence.

Новости
Все новости
Наука
13 августа
Миллионы на проекты: кто может участвовать в грантовых конкурсах РУДН для учёных и как на них правильно подать заявку

В РУДН уже шесть лет проводится несколько грантовых конкурсов, ориентированных на исследователей разного уровня — от молодых специалистов до ведущих учёных вуза. Они охватывают как индивидуальные проекты, так и работу в составе научных коллективов. В этом материале мы расскажем о конкурсах на выполнение НИР/НИОКР и дадим советы о том, как правильно оформить и подать заявку.

Наука
29 июля
Переработка биомассы в биотопливо и платформа для обнаружения пестицидов: чем занимается лаборатория ресурсосберегающих технологий и микропластика РУДН

Всего несколько лет в РУДН работает лаборатория ресурсосберегающих технологий и микропластика, однако её коллектив уже добился впечатляющих результатов. Проводимые здесь исследования направлены на создание экологичных материалов, разработку новых методов синтеза и переход к устойчивому будущему.

Наука
28 июля
Учёные РУДН изучат микробиом арктических городов для создания устойчивой зелёной инфраструктуры при поддержке гранта РНФ

Коллектив исследователей Центра смарт-технологий устойчивого развития городской среды АТИ РУДН получил продление гранта Российского научного фонда на 2026–2027 годы и его финансирование на сумму 7 млн рублей в год. Проект «Экологические функции и экосистемные услуги микробного сообщества почв и почвенных конструкций городов Арктики в условиях потепления климата и антропогенной нагрузки» направлен на комплексное исследование микробиома почв зелёной инфраструктуры арктических городов и разработку научных подходов к созданию устойчивых почвенных конструкций, пригодных для озеленения в условиях многолетней мерзлоты.