Математики РУДН и Свободного университета Берлина предложили новый способ использования нейронных сетей для работы с зашумленными данными больших размерностей
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.
Инженерия и технологии, науки о жизни и медицине, естественные и социальные науки, менеджмент — основные направления научного сотрудничества между учёными Российского университета дружбы народов и их африканскими коллегами.
Общий объём публикаций за 10 лет — 884 работы, при этом среднее число цитирований на публикацию — 44,23, что говорит о признании работ научным сообществом и их существенном влиянии на область исследований. Средний нормализованный индекс цитируемости (FWCI, он показывает, как цитируется статья относительно других публикаций в той же научной области) составляет 2,61. Это на 161% выше среднемирового значения.
Коллектив ученых, которым руководит академик РАН Харон Амерханов, получил золотую медаль XXVIII Российской агропромышленной выставки «Золотая осень — 2026». Награда присуждена за разработку и внедрение ферментированных комбикормов из растительных отходов АПК и их использование в рационах сельскохозяйственных животных. Работа отмечена в конкурсе «За достижение высоких показателей в развитии племенного и товарного животноводства» по направлению «Научное обеспечение отраслей животноводства».
Личинки мухи «чёрная львинка» в мире все чаще используются для утилизации отходов. Ученые института экологии РУДН поставили перед собой амбициозную задачу: понять, как тот или иной набор микроорганизмов в кишечнике личинок влияет на эффективность переработки разных видов отходов и как меняется состав микробиома в зависимости от условий питания. Никита Митькин — кандидат биологических наук, старший научный сотрудник института экологии РУДН, рассказал о первых результатах этого трехлетнего исследования. В частности, ученые доказали, что набор микроорганизмов микробиома способен перестраиваться. Теперь предстоит установить, какие именно изменения являются функционально полезными и можно ли воспроизвести их целенаправленно, «запрограммировав» личинок чёрной львинки на переработку определенного вида сырья.