1. Використання методів нелінійного зменшення розмірності на основі дифузійних карт для задачі класифікації даних./ 2. Дифузійне згладження даних

Wednesday 23 Sep 2020, 17:00 → 18:20 Europe/Kiev

IM/2-208 (IM)

Олександр Кравченко, Поліна Мерзлікіна

1. Однією з проблем у галузі машинного навчання є використання глибонного навчання на невеликих наборах даних, які не можна доповнити. Для таких наборів даних раціональніше використовувати стандартні алгоритми машинного навчання, але ми стикаємось ще з однією проблемою - малою точністю класифікацій для даних великої розмірності, таких як зображення, аудіозаписи, тощо. Щоб уникнути цієї проблеми зазвичай використовують лінійні алгоритми зменшення розмірності, проте вони не підходять для даних, змінні яких не лежать у напрямках найбільшої дисперсії. Для таких даних доцільніше використовувати нелінійни алгоритми зменшення розмірності.

 

2. Доповідь ознайомить слухачів із поняттям дифузійних координат та їх прикладним використання при згладженні даних (на прикладі 3D об'єктів).
Дифузiйнi вiдображення - це один з нелiнiйних методiв зниження розмiрностi який використовує в якостi мiри подiбностi довжину шляху пройденого
випадковим процесом на неорiєнтованому графi, який побудований на основi вхiдних даних. Якщо про дані можна припустити, що вони описуються многовидом, метод дозволяє перейти до нового базису простору, що уможливлює зменшення існуючих в них осциляцій.
Це є суттєво важливим, зокрема, для медичних даних.