Конференции

64-я Всероссийская научная конференция МФТИ

Список разделов ФПМИ - Секция проблем интеллектуального анализа данных, распознавания и прогнозирования

Секция посвящена проблемам анализа данных, распознавания образов и прогнозирования

  • Применение методов адверсариальной защиты в нейросетевых системах алгоритмической торговли

    Существует несколько работ, демонстрирующих успешное применение адверсариальных атак на системы для алгоритмической торговли, основанные на нейронных сетях. Но остаётся малоисследованным вопрос о методах защиты от таких атак. В этой работе реализованы модели нейронных сетей для алгоритмической торговли, реализована система генерации адверсариальных примеров и разработано несколько методов адверсариальной защиты. Проведено тестирование качества этих методов и их влияния на точность моделей. 

  • Методы машинного обучения для кластеризации номенклатур кассовых чеков

    В статье рассматривается задача обработки и анализа чековых данных. Решается проблема кластеризации нестандартизированных чековых данных. Для решения задачи  анализируются такие методы кластеризации, как CLOPE, Word2Vec, DBSCAN, KMeans, сеть Кохонена.

  • Система контроля качества пищевой продукции на основе колориметрического сенсора с использованием технического зрения

    Интеллектуальная системы мониторинга свежести пищевой продукции с использованием технического зрения позволяет оценивать качество свежести приобретаемого продукта простым и доступным способом. Данная работа повышает ценность приобретаемого продукта, поскольку позволяет представителям розничной торговли гарантировать качество реализуемых товаров.

  • Анализ применимости агрегирования предпочтений при обработке данных энергообследований

    Предлагаемый инструмент, для обработки данных энергетических обследований, на основе метода агрегирования предпочтений, обеспечивает возможность эффективного сжатия данных, без потери информации и наглядную визуализацию результатов энергетических обследований.

  • Задача кластеризации при распознавании медицинских снимков, полученных методом оптической эндоскопии

    В данной работе представлены результаты анализа существующих на данный момент методов кластеризации данных медицинских снимков, полученных методом оптической эндоскопии. Также предложена модификация алгоритма Виолы-Джонса, учитывающая кластеризацию.

  • Sentence Simplification for Russian using Transfer Learning

    In this article, we describe a way to perform sentence simplication. Our approach is largely based on solving this problem for the English language.We compare the different pretraining schemes in the application for this problem and show that the results obtained using machine translation of tests and fine tuning are approximately similar. mBART with control tokens is used as the main model for fine tuning. In the case of machine translation of tests into English, we use BART with control tokens

  • Выбор архитектуры модели с контролем сложности

    В работе рассматривается задача оптимизации модели глубокого обучения с контролем сложности архитектуры. Структурные параметры задаются гипесетью, зависящей от коэффициента, задающего сложность архитектуры. Предложенный метод сопоставим по точности с DARTS, однако позволяет контролировать сложность архитектуры модели.

  • Распознавание пневмонии на основе нейросетевых технологий

    В работе описано решение проблемы распознавания патологий легких по рентгенографическим снимкам. Предложен подход для интеллектуального анализа данных при решении вышеперечисленных подзадач, основанный на использовании нейросетевых технологий. Результаты проведенных экспериментов подтверждают в целом работоспособность предложенного подхода.

  • Оптимизация метапараметров в задаче дистилляции знаний

    Исследуется задача оптимизации параметров модели глубокого обучения. Во время оптимизации учитывается информация, содержащаяся в модели с более сложной структурой, то есть применяется дистилляция. Предлагается обобщение методов дистилляции, заключающееся в градиентной оптимизации метапараметров. Исследуются методы прогнозирования траектории оптимизации метапараметров. Подход проиллюстрирован с помощью вычислительного эксперимента на синтетической выборке, выборках CIFAR-10 и Fashion-MNIST.

  • Сравнение подходов глубокого машинного обучения для задачи безсенсорной адаптивной оптики

    Работа в адаптивной оптике всегда ведется по устаревшему волновому фронту из-за чего снижается точность при корректировки аберраций. Для устранения этой проблемы, можно использовать методы машинного обучения, которые бы позволили предсказать на шаг или несколько шагов вперед профиль волнового фронта и соответственно получить более точное изображение. В данной работе сравниваются различные архитектуры моделей глубоких нейросетей для предсказания фазы волнового фронта. 

  • Автоматизированные системы мониторинга в мостостроении

    В работе исследуются существующие в наши дни системы мониторинга мостовых сооружений, предпосылки их появления, плюсы и минусы данных систем, а также ставится вопрос о необходимости совершенствование существующих систем.

  • Метод сопровождения баллистических и гиперзвуковых целей с применением рекуррентной нейронной сети

    Предложен метод, позволяющий оценивать параметры движения объекта, сопровождаемого РЛС, основанный на рекуррентной нейронной сети и функции экстраполяции рекурсивного фильтра Калмана. В ходе эксперимента по определению ошибки фильтрации новым методом на синтетических данных показано, что метод фильтрации имеет высокую точность определения фазового вектора баллистического и гиперзвукового движения, и более низкую ошибку фильтрации, по сравнению с фильтром Калмана

  • Автоматизированная система поддержки принятия решений для оценки конкурентоспособности предприятия общественного питания

    Разработка автоматизированной системы поддержки принятия решений для оценки конкурентоспообности предприятий общественного питания, авторская методика работы АСППР и алгоритм ее работы

  • Аугментация астрономических временных рядов

    В этом исследовании мы применяем двухслойный персептрон, байесовские нейронные сети и нормализующие потоки для аппроксимации кривых блеска астрономических объектов. Мы показываем, что качество аппроксимации предлагаемых методов превосходит существующие подходы, основанные на гауссовых процессах. Мы оцениваем качество решения, используя две косвенных метрики, основанных на физике. Предложенные методы улучшают качество идентификации типа сверхновых и повышают точность оценки пика интенсивности.

  • Сравнение методов для инстанс сегментация электросамокатов

    В данной работе запущены основные алгоритмы с библиотеки  Detectron2 на новом собранном датасете для инстанс сегментация электросамокатов. В результате были сравнены эти методы.

  • Непрерывное представление времени в задачах декодирования сигналов головного мозга

    В задачах декодирования сигналов головного мозга данные представлены как многомерные временные ряды. Недавние работы по нейронным обыкновенным дифференциальным уравнениям работают со скрытым состоянием рекуррентных нейронных сетей, как с решением дифференциального уравнения и рассматривают временные ряды как непрерывные по времени. Это позволяет получать непрерывное представление сигнала и обрабатывать нерегулярные по времени данные.

  • Использование компьютерного зрения для анализа массива спектров

    В данной работе предлагается использовать модель машинного обучения для классификации изображений с целью разделения массива на классы по количеству пиков.

  • Методы компьютерного зрения для оценки процесса вегетации растений

    Пример использования компьютерного зрения в качестве инструмента фиксации и анализа морфологических параметров растений. Алгоритм позволяет оценивать длину, ширину и площадь листа в режиме реального времени, получать информацию о движении листьев растений в пространстве и определять реакцию на внешние факторы, что напрямую связано с фундаментальными основами взаимодействия излучения с растениями.

  • Байесовское выравнивание нейросетевых моделей

    Работа посвящена исследованию проблемы понижения сложности аппроксимирующих моделей машинного обучения. Рассматриваются методы, основанные на дистилляции моделей глубокого обучения. Предлагается вероятностное обоснование методов дистилляции и привилегированного обучения, а также обобщение классической дистилляции, используя связный байесовский вывод. Для снижения размерности пространства параметров при выборе модели используется информация об их априорном и апостериорном распределениях.

  • Детектирование подделок в мобильных системах распознавания по лицу при помощи стереокамеры

    Предложен метод обнаружения спуфинг-атак в системах распознавания по лицу на мобильных устройствах. Метод способен работать в реальном времени на устройствах с ограниченными вычислительными возможностями, различными условиями регистрации и с использованием штатной стереокамеры, особенностью которой является малый стереобазис. Метод основан на сверточной нейронной сети и многоцелевом обучении, предложена специальная функция потерь.

  • Адаптивный подход к ранней остановке в градиентном бустинге

    В данной работе рассматривается новый подход к подбору оптимального числа моделей в ансамбле градиентного бустинга. В отличие от существующих методов мы адаптивно выбираем необходимое число итераций для каждой области пространства, что позволяет значительно улучшить качество существующих моделей, не оказывая влияния на сложность обучения.

  • Применение нейросетевой кластеризации для распознавания рукописных китайских иероглифов

    В данной работе исследуется применение модифицированного метода нейросетевой кластеризации DEC в модели двухступенчатого иерархического классификатора для решения задачи распознавания китайских иероглифов.

  • Банк тем: сбор интерпретируемых тем с помощью множественного обучения тематических моделей и их дальнейшее использование для оценки качества тематических моделей

    Как метод преодоления проблем неустойчивости и неполноты тематических моделей предлагается с помощью множественного обучения тематических моделей постепенно накапливать интерпретируемые темы в “банк тем”. Собранный по предложенному алгоритму банк тем может быть использован для автоматической оценки качества вновь обученных тематических моделей.

  • Оценка сложности нейронных сетей

    Очень актуален вопрос эффективности нейронных сетей, а последнее время для ответа на него начали применять колмогоровскую сложность. В данной работе мы предлагаем способ численно оценить колмогоровскую сложность для нейронной сети и проводим эксперименты, направленные на анализ изменения сложности сети в процессе обучения.

  • Распознавание речи по слогам

    В данной работе рассматривали возможность распознавания речи монгольского языка с использованием нейронной сети. При этом применили способ с выделением слога разпознаваемого слова, так как в монгольском языке слова образуются добавлением суффикса на корне его. Метод выделения слога слова позволяет уменьшить размер базы данных, поскольку при этом нет нужды сохранять признаки каждого слова. Обученная сеть распознает слова по слогам  с вероятностью 96.5%, что является хорошим результатом.