Математик РУДН предложил новый способ использования нейронных сетей для работы с данными больших размерностей

Математик РУДН предложил новый способ использования нейронных сетей для работы с данными больших размерностей

Математик РУДН предложил новый подход к изучению распределения 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, распределения данных в точном виде не доступны. Для решения этой проблемы используют байесовские и близкие к ним приближенные методы. Но их использование увеличивает сложность нейронной сети. Снизить неопределенность позволяет комбинация байесовских методов с другими (например, с дельта-методом).

Математики РУДН предложили использовать детерминированные веса для нейронных сетей, что позволяет преодолеть ограничения байесовских методов. Они получили формулу, которая позволяет корректно оценить дисперсию распределения наблюдаемых данных. Предложенную модель проверили на разных данных: синтетических и реальных; на данных, содержащих выбросы и на тех, из которых они были предварительно удалены. Новый метод позволяет восстанавливать распределения вероятностей с недоступной прежде точностью.

Математик РУДН Павел Гуревич вместе с коллегами использовали детерминированные веса для нейронных сетей, чего никогда не делалось в пределах байесовских нейронных сетей. Математики РУДН предположили, что истинное распределение является нормальным с неизвестным средним и дисперсией. Фактически они создали обновленную версию метода сопряженных градиентов (gradient conjugate prior), подходящую для нейронных сетей. В результате расчётов Павел Гуревич получил формулу, которая позволяет корректно оценить дисперсию распределения данных. Новый метод оценили по методу AUC (area under the curve — это площадь под графиком, который позволяет оценить качество классификации; чем выше оценка AUC, тем качественнее классификация). В результате получилось лучшее значение оценки AUC как для «чистых» наборов данных, так и для данных, содержащих выбросы.

Метод, который предложили математики РУДН, применим, например, к задаче выявления мошенничества (fraud detection): для объекта определяется, к какому из двух классов он принадлежит (мошенничество или не мошенничество). Такие методы относятся к классу «обучение с учителем» (supervised learning). Предложенный метод поможет эффективно определять, какие транзакции, скорее всего, будут мошенническими, при этом значительно уменьшая количество так называемых «ложных срабатываний» (false positives). Метод, предложенный математиками РУДН, чрезвычайно эффективен в обнаружении и предотвращении мошенничества, поскольку он позволяет автоматически обнаруживать «подозрительные» шаблоны в больших объемах данных.

Статья в журнале Artificial Intelligence.

Новости
Все новости
Наука
30 июля
Химик РУДН нашел способ сделать производство биотполива в 4-10 раз эффективнее с помощью кремниевой матрицы и гетерополикислот

Химик РУДН создал кремниевый молекулярный каркас для получения эфиров из отходов сельского хозяйства, древесной и бумажной промышленности. Он в 4-10 раз повышает эффективность получения эфиров, которые можно использовать как биотопливо. Это позволит снизить энергозатраты и сделает производство биотоплива дешевле. 

Наука
28 июля
Химики РУДН разработали новый путь синтеза веществ для фармацевтики

Химики РУДН предложили универсальный способ синтеза производных тиеноиндолизинов. Свойства этих веществ позволяют использовать их для создания антибактериальных и противораковых препаратов, а также в производстве новых материалов для оптоэлектроники.

Наука
26 июля
Химики РУДН разработали домино-реакцию для получения противоопухолевых препаратов

Химики РУДН предложили новую реакцию для получения сложных органических веществ в одном сосуде. Продукты синтеза оказались эффективными против клеток раковых опухолей, в том числе — устойчивых к известным препаратам.