В данной работе предлагается новый метод комплексирования разноспектральных изображений с целью повышения итогового качества детектирования объектов. Рассматривается эффективность применения данного метода для решения задачи обнаружения и распознавания объектов.

Инструменты ранней диагностики заболеваний на основании данных, собранных специалистами в анамнезе, сталкиваются с общими для всех систем, использующих технологии и методы искусственного интеллекта, проблемами недостаточности данных, данных разной семантики и данных разной природы. В работе представлено решение на базе Web-сервиса, использующего ДСМ ИАД метод для решения задачи анализа новых пациентов и прогнозирования возможного ухудшения состояния пациента после проводимых процедур.

Декомпозиция временного ряда применяется для получения его структуры: разложения на простые или интерпретируемые составляющие, выявление периодичности, избавление от шума и т.д. В случае же набора многих сигналов необходимо также учесть зависимости между ними. В данной работе предлагается метод, учитывающий фактор взаимосвязи рядов. Подход основывается на методе SSA и тензорных разложениях, и позволяет строить декомпозицию и прогноз рядов.

В работе рассмотрена задача классификации многомерных траекторий физических систем. Данная задача осложнена тем, что требуется учитывать не только временные зависимости во временном ряде, но и зависимости между компонентами данного ряда. Классификация проводится на основе лагранжевых нейронных сетей (LNN) для временных рядов, являющимися траекториями механических систем. В свою очередь в работе представляется метод векторизации, полученных лагранжианов, использующаяся для классификаторов.

Качественный анализ и интерпретация медицинских лабораторных данных при помощи искуственного интеллекта позволит улучшить подходы к диагностике заболеваний и планированию лечения. Нами был проведен обширный литературный обзор существующих медицинских больших языковых моделей, определена вычислительная проблема и создан прототип, дообученный на наборах данных с открытым исходным кодом. Также нами обозначен дальнейший план исследований в области NLP-анализа лабораторных медицинских исследований.

Исследуются пространственно-временные характеристики в задаче декодирования временных рядов с дискретным представлением времени. Проводится анализ временной зависимости между последовательностью снимков функциональной магнитно-резонансной томографии и видеорядом, просматриваемым человеком. Предлагается метод аппроксимации показаний фМРТ по просматриваемому видеоряду. Рассматривается проблема классификации временных рядов для анализа пространственных характеристик. 

В работе исследуется скорость сходимости методов оптимизации с предобуславливанием и затуханием весов, доказывается  ассимптотическая  сходимость таких методов при различных условиях на минимизируемый функционал и по различным критериям сходимости. Проводятся эксперименты на разлисных наборах данных и моделях, иллюстрирующие сходимость данных методов и сравнение их с другими методами оптимизации.

В данной работе рассматривается проблема классификации ЭЭГ сигналов, полученных с использованием нейрокомпьютерного интерфейса. Предлагается использовать новый подход, основанный на порождающем моделировании и парадигме отказа от классификации.

Новые научные термины появляются каждый день. Ручное извлечение терминов с привлечением узкоспециализированных специалистов является трудозатратным. Цель настоящей работы — обнаружение таких терминов в коллекциях документов в автоматическом режиме. Для решения данной задачи используется метод выделения коллокаций (TopMine) и он же в сочетании с модульной технологией тематического моделирования (с использованием библиотеки BigARTM). Производится сравнение рассматриваемых решений.

С появлением глубоких свёрточных сетей, задача многоклассовой семантической сегментации перешла из разряда нерешаемых в разряд классических. Главное препятствие на пути разработчиков машинного обучения – поиск данных, на которых алгоритм будет обучаться.

Ручная разметка - это долго и дорого. Честная генерация данных - это тоже долго и дорого. Однако для некоторых типов изображений удается соединить эти два подхода и взять лучшее из обоих. 

В данной работе предлагается метод оценки качества предсказания спроса на авиабилеты. Использование одной из классических метрик машинного обучения оказывается недостаточно, так как данные имеют разный масштаб, а также определенную зависимость спроса от дня до вылета. Разработанный метод заключается в оценке качества с трех взаимодополняющих сторон: масштаб, средняя ежедневная точность и эластичность, что позволит покрыть обозначенные особенности данных.

Исследование посвящено анализу эффективности последовательного анализа Вальда в контексте проверки гипотез бернуллиевских распределений, с акцентом на оптимизацию параметров алгоритма для повышения точности вероятностей ошибок I и II рода. В работе проведено моделирование различных сценариев тестирования.

Работа посвящена способам детекции машинно-сгенерированных фрагментов в текстах, написанных людьми. Исследуются как традиционные методы, основанные на анализе смены стиля, так и методы с использованием трансформерных архитектур

В данной работе рассматривается нестандартный подход к построению рекомендательных систем при помощи каскада моделей бустинга, который позволяет решить следующие проблемы:

- недостаточность данных для применения методов матричной факторизации, а именно малое число продуктов относительно числа пользователей (соотношение 1:100000);

- действия пользователей не единовременны (покупка/просмотр), а имеют некоторую продолжительность во времени;

- прогнозирование на различные временные периоды.

В работе рассматривается задача градиентной оптимизации гиперпараметров. Проблема заключается в том, что подсчет точного гиперградиента является вычислительно сложной задачей. В данной работе предлагается линейный по количеству параметров и гиперпараметров метод подсчета гиперградиента, удовлетворяющий достаточному условию спуска. Экспериментальные результаты на задаче перевзвешивания объектов обучающей выборки показывают целесообразность предложенного подхода.

Эта статья создана с целью представить новый метод построения ансамблей моделей глубокого обучения. В работе применяется гиперсеть, которая сэмплирует архитектуры для формирования итогового ансамбля. Для обучения гиперсети используется регуляризатор, основанный на разнице в количестве ребер в текущей и оптимальной архитектурах, найденной заранее. Метод оценивается в вычислительном эксперименте на датасете CIFAR-100, где показывает хорошие результаты.

Слои нормализации по батчу (BN), аппроксимирую распределение фичей обучающего датасета. В данной работе мы углубляемся в концепцию BN и показываем, как информация о обучающем домене может быть использована для оценки типичности входных данных. Такая оценка может проводиться по всем слоям сети, что позволяет дополнительно анализировать глубину, ширину и другие характеристики сети. В качестве примера практической применимости предлагаемого подхода используется задача оценки качества изображения.

Состояние современных турбовентиляторных авиационных двигателей анализируется специальным ПО, под общим названием Engine Condition Monitoring (ECM). В данной работе описывается восстановление математической модели показателя Exhaust Gas Temperature Margin (EGTM) на основе полётной информации воздушного судна методами машинного обучения.

В данной работе проанализированы системы многократного машинного обучения, и как на них влияет преобразование признаков. Целью этого исследования является нахождение условий, при которых результаты, полученные для системы с исходными обучающими данными, могут быть перенесены на аналогичную систему с преобразованными признаками.

В данной работе рассматривается детерминированная и стохастическая задачи минимизации на ограниченном выпуклом множестве Q в предположении, что у нас нет доступа к градиенту целевой функции f(x), поэтому нам нужно каким-то образом оценить его. Предлагается рассмотреть и доказать сходимость метода нулевого порядка JAGUAR, который использует информацию из предыдущих итераций и требует вызовов оракула O(1) в алгоритме Франка-Вулфа.

The number of topics might be the most important parameter of a topic model.
The topic modelling community has developed a set of various procedures to estimate the number of topics in a dataset, but there has not yet been a sufficiently complete comparison of existing practices.
This study attempts to partially fill this gap by investigating the performance of various methods applied to several topic models on a number of publicly available corpora.

В данной работе предлагается архитектура, позволяющая эффективно решать задачу предсказания молекулярных свойств или классификацию молекул с использованием двух различных подходов машинного обучения: BERT и GNN.

В рамках данного исследования рассматриваются различные методы оптимизации для эффективного обучения гетерогенных ансамблей моделей RoBERTa и GNN в области хемоинформатики, с учетом использования алгоритмов оптимизации для обучения на больших выборках.

В работе предлагается подход для оценки взаимной информации между многомерными случайными величинами с помощью сжатия данных. Проведены эксперименты на синтетических данных, подтверждающие качество предложенного подхода. Получены теоретические границы для отклонения оценки взаимной информации с помощью сжатия данных от истинного значения. Кроме того, проведены эксперименты по анализу реальных нейросетей с помощью предложенного метода.

Целью данной работы является построение итеративно обновляемой тематической модели, при обучении которой учитывается накопленная ранее информации об уже найденных в процессе моделирования релевантных, нерелевантных и «плохих» темах. С тем, чтобы сохранить релевантные темы и уменьшить число «плохих» тем. Релевантные темы сохраняются с помощью регуляризатора сглаживания, число плохих тем уменьшается с помощью регуляризатора декоррелирования. 

С помощью тензорного метода задержек и маскирвоания, выбирается оптимальное низкоранговое представление многомерного временного ряда. Из комбинации полученных низкоранговых представлений формируются итоговые времянные ряды.

В работе рассматривается возможность моделирования динамики изменения изотопного состава топлива с помощью нейронной сети. Используется парадигма физически обусловленных нейронных сетей путем введения модифицированной функции потерь учитывающей как отклонение результата прогнозирования от тренировочных данных, так и отклонение результатов от формального аналитического решения системы уравнений выгорания

Одним из актуальных направлений в исследовании теоретических основ глубоких нейронных сетей является изучение выразительной силы различных архитектур глубоких сетей. В значимых статьях по этой теме в качестве меры выразительности сети рассматривается канонический CP-ранг тензора, соответствующего определенной архитектуре сети. Мы докажем теорему о “нижней оценке” CP-ранга тензора, у которого в Tensor Train разложении внутренние ядра совпадают.

В работе рассматривается задача поиска равновесного распределния транспортных потоков. Исследуются различные модификации алгоритма Frank-Wolfe в приложении к этой задаче.

В данной работе предложена адаптация метода Physics-Informed Neural Networks для решения дифференциальных уравнений на плоских многообразиях. В качестве примера рассмотрено решение уравнения теплопроводности на ленте Мёбиуса.

С целью изучения переходной синхронизации взаимодействующих точечных стохастических процессов численно исследована дискретная динамика модельной системы из N бинарных элементов – "нейронов", чье состояние описывалось нестационарным процессом Бернулли. Если два нейрона одновременно испускают спайк, то их вероятности испускания спайка увеличиваются на константу. Как функция от N, получено время перехода всех нейронов системы от начальной до максимально допустимой вероятности спайка.