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
16 октября
Студентка РУДН победила в секции «Биотехнология» на российском форуме OpenBio

В конце сентября прошёл XII Российский форум биотехнологий OpenBio. Это крупное мероприятие, которое объединяет представителей науки, бизнеса и государства для решения задач по обеспечению устойчивого развития биотехнологической отрасли и экономики страны. В его программе были экспертные дискуссии, круглые столы, выступления лидеров отрасли, мастер-классы, презентации технологий и оборудования.

Наука
14 октября
Стартовал приём заявок на шестую акселерационную программу «GreenTech Устойчивое развитие»

Фонд «Сколково» (Группа ВЭБ.РФ) совместно с Министерством природных ресурсов и экологии РФ и ведущими промышленными компаниями страны объявил о старте шестого цикла крупнейшей в России программы развития экосистемы поставщиков для промышленности «GreenTech Устойчивое развитие». Приём заявок от разработчиков технологических решений продлится до 20 октября 2025 года.

Наука
10 октября
«Семья, исследования, будущее»: студент РУДН — о работе научного общества факультета социальных и гуманитарных наук

Исторические конференции, встречи с политологами и археологами и интересные проекты. Это жизнь активистов, которые состоят в научном студенческом обществе факультета социальных и гуманитарных наук РУДН. В конкурсе среди вузовских НСО оно заняло третье место.