Применение генеративных моделей на базе автокодировщиков для генерации и обработки изображений с использованием нормального распределения
В 16:00 по московскому времени
Одна из основных проблем алгоритмов машинного обучения — проблема данных. Для обучения нейросетей зачастую необходимы выборки из миллионов элементов. Если рассмотреть в качестве примера обучение распознаванию изображений, то миллионы изображений должны быть в достаточном качестве и должны быть размечены, что требует ручного труда большого количества людей. Косвенные затраты на обучение нейросети по распознаванию изображений колоссальны.
Выходом мог бы стать алгоритм, способный без участия человека генерировать подобные выборки.
В докладе проведен анализ существующих подходов в реализации генеративных моделей на базе автокодировщиков. Реализован алгоритм, целью которого является генерация изображений для формирования обучающих выборок. При этом предложена самописная функция потерь (функция Лосс) с использованием параметров нормального распределения для оптимизации точности обучения приложенной генеративной модели.
Докладчик:
Муаль Мутуама Нда Бьенвеню — аспирант кафедры прикладной информатики и теории вероятностей РУДН.