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
12 марта
Против плоскоклеточного рака головы и шеи: учёная РУДН защитила диссертацию и стала кандидатом медицинских наук

Ассистент кафедры гистологии, цитологии и эмбриологии медицинского института РУДН, научный сотрудник НИИ молекулярной и клеточной медицины Энар Джуманиязова успешно защитила диссертацию и стала кандидатом медицинских наук сразу по двум специальностям: «Клеточная биология» и «Онкология, лучевая терапия».

Наука
11 марта
Звание почётного профессора РУДН присвоили заместителю президента РАН Талии Хабриевой

На расширенном заседании Ученого совета РУДН звание почетного профессора университета было присвоено Талии Ярулловне Хабриевой, выдающемуся российскому юристу и государственному деятелю.

Талия Хабриева — директор Института законодательства и сравнительного правоведения при Правительстве РФ, академик Российской академии наук, возглавляет Отделение общественных наук РАН. Она стала первой и единственной женщиной-вице-президентом Российской академии наук за 300-летнюю историю РАН.

Наука
6 марта
Увидеть освоение Луны и поехать в отдалённые уголки Арктики: женщины-учёные РУДН рассказали о своих мечтах

В преддверии 8 Марта мы решили рассказать о некоторых женщинах-ученых РУДН. Сотрудницы вуза поделились с нами, какими достижениями они больше всего гордятся, почему выбрали научную карьеру и о чем мечтают.