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.
Российский университет дружбы народов помогает студентам делать первые шаги в науке — через собственную систему грантовой поддержки, конкурсы научных работ и стипендиальные программы. Рассказываем, какие возможности открыты для молодых исследователей сегодня.
Университетская система вовлечения талантливой молодёжи в науку работает по нескольким направлениям. Один из ключевых механизмов — конкурсы научно-исследовательских работ студентов, которые помогают выявить наиболее способных, повысить качество студенческих проектов и развить прикладные исследовательские навыки. В РУДН действуют два основных конкурсных направления: «Проектный старт» (осенний семестр) и «Совместный старт: сделаем науку вместе» (весенний семестр). В этом материале поговорим о конкурсах серии «Проектный старт».
Коллектив агробиотехнологического департамента аграрно-технологического института РУДН трудится над проектом, поддержанным грантовой системой университета. Исследователи разрабатывают экологически чистые наноматериалы на основе растительных экстрактов для создания нового поколения средств защиты растений различного назначения — от гербицидов до фунгицидов.
Личинки мухи черная львинка (Hermetia illucens) — одни из самых эффективных природных переработчиков органики. Они способны конвертировать пищевые и сельскохозяйственные отходы в ценный белок и жир. Но ключевую роль в этом процессе играют не сами личинки, а их микробиом — сообщество микроорганизмов в пищеварительном тракте. Именно этой теме посвящено исследование учёных института экологии. Оно стало победителем конкурса на выполнение НИР/НИОКР молодыми учёными (R.1) в системе грантовой поддержки РУДН в 2026 году.