Совместное обучение ансамблей кусочно-линейных решающих деревьев и глубоких нейронных сетей

Сверточные нейронные сети давно зарекомендовали себя как наилучший класс алгоритмов для решения задач с неструктурированными данными, такими как например классификация изображений. С другой стороны, на структурированных данных, еще называемых табличными, лучшем образом себя проявляют алгоритмы классического машинного обучения, в особенности ансамбли решающих деревьев. В данной работе производится попытка объединения этих двух подходов и обучения гибридных моделей, состоящих из двух частей, —— сверточной нейронной сети и ансамбля дифференцируемых решающих деревьев, в контексте задачи классификации изображений. Итогом данной работы стала C++ библиотека с открытым исходным кодом, позволяющая производить обучение таких моделей на современных графических ускорителях. Также, с использованием реализованной библиотеки были проведены эксперименты по совместному обучению некоторых архитектур сверточных нейронных сетей и ансамблей дифференцируемых решающих деревьев.