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
26 марта
Ученые РУДН разрабатывают устройство для контроля теплозащиты зданий

РУДН провел конкурс на выполнение НИР/НИОКР научными коллективами под руководством молодых ученых. Гранты на реализацию получили три проекта.

Наука
12 марта
«По страницам курсовой»: объявлены результаты конкурса исследовательских работ студентов РУДН

В РУДН подвели итоги конкурса «По страницам курсовой» 2024. Победителями стали 14 студентов, еще 48 — призерами. Что исследовали авторы лучших научных работ? Ответом делимся ниже.

Наука
10 марта
Коллектив РУДН занял 1 место во Всероссийском конкурсном отборе научных проектов «Технологии для здоровья человека»

Авторский коллектив под руководством заведующего кафедрой общей и клинической фармакологии РУДН Сергея Зырянова стал победителем всероссийского конкурса научных проектов «Технологии для здоровья человека».