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 мая
Горизонты космоса: студент инженерной академии РУДН представил исследование по астрофизике на международном форуме SciTech

Даниил Матюнин, студент 3 курса кафедры механики и процессов управления инженерной академии РУДН, стал участником масштабного международного события — научно-технического форума SciTech Forum, объединившего учёных из России, Индии, Китая, Бразилии, ЮАР и Малайзии. Программа форума была посвящена актуальным проблемам освоения внеземного пространства и эксплуатации космических систем.

Наука
8 мая
Старший инженер-лейтенант и доктор физико-математических наук: боевой и научный путь учёного РУДН Игоря Васильевича Черемискина

Продолжаем делиться историями фронтовиков, которые после войны участвовали в создании Университета дружбы народов и воспитывали новое поколение студентов.

Игорь Васильевич Черемискин (1925–2000) — уроженец Саратовской области, доктор физико-математических наук, профессор кафедры радиофизики факультета физико-математических и естественных наук, один из первых преподавателей кафедры экспериментальной физики РУДН.

Наука
8 мая
От сражений на 1-м Белорусском фронте до декана инженерного факультета: боевой и научный путь учёного РУДН Михаила Петровича Бочая

В преддверии 81-й годовщины со Дня Победы делимся историями фронтовиков, которые после войны участвовали в создании Университета дружбы народов и воспитывали новое поколение студентов. В этом материале рассказываем о декане инженерного факультета, заведующем кафедрой технологии металлов, кандидате технических наук Михаиле Петровиче Бочае.