Исследование методов уменьшения дисперсии в стохастических графах вычислений

ФИО студента: Аланов Айбек -

Кампус/факультет: Факультет компьютерных наук

Программа: Прикладная математика и информатика (Бакалавриат)

Год защиты: 2017

Последние достижения в области глубинного вариационного обучения сподвигли к тому, чтобы исследователи активнее начали заниматься методами масштабирования этих подходов. Результатом этого процесса стало выдающееся открытие нового метода, который позволяет обучать масштабируемые модели с непрерывными латентными переменными. Сейчас внимание исследователей больше сфокусировано на проблеме оценки градиента в моделях с дискретными латентными переменными. В этой работе анализируются самые последние и успешные методы в этой области. Было проведено обширное сравнение между этими подходами на реальных данных, получено много практических рекомендаций к реализации этих методов, которые позволяют сильно улучшить итоговый результат.

Выпускные квалификационные работы (ВКР) в НИУ ВШЭ выполняют все студенты в соответствии с университетским Положением и Правилами, определенными каждой образовательной программой.

Аннотации всех ВКР в обязательном порядке публикуются в свободном доступе на корпоративном портале НИУ ВШЭ.

Полный текст ВКР размещается в свободном доступе на портале НИУ ВШЭ только при наличии согласия студента – автора (правообладателя) работы либо, в случае выполнения работы коллективом студентов, при наличии согласия всех соавторов (правообладателей) работы. ВКР после размещения на портале НИУ ВШЭ приобретает статус электронной публикации.

ВКР являются объектами авторских прав, на их использование распространяются ограничения, предусмотренные законодательством Российской Федерации об интеллектуальной собственности.

В случае использования ВКР, в том числе путем цитирования, указание имени автора и источника заимствования обязательно.

Реестр дипломов НИУ ВШЭ