• A
  • A
  • A
  • ABC
  • ABC
  • ABC
  • А
  • А
  • А
  • А
  • А
Regular version of the site

Student
Title
Supervisor
Faculty
Educational Programme
Final Grade
Year of Graduation
Andrei Atanov
Effective Learning of Deep Neural Networks Ensembles
2018
Глубокие нейронные сети стали стандартным алгоритмом для многих прикладных задачах машинного обучения, таких как классификация изображений и семантическая сегментация. Однако, глубокие нейронные сети склонны к переобучению и излишней уверенности из-за большого количества настраиваемых параметров. Известно, что ансамбли моделей хорошо справляются с данными проблемами. Однако, простейшее усреднение нескольких независимо обученных нейронных сетей требует дополнительных вычислительных затрат, а также больших затрат по памяти. Приближенный Байесовский вывод позволяет эффективно обучать и хранить ансамбли нейронных сетей. Однако, применительно к глубоким архитектурам они могут быть подвержены нестабильности во время обучения. В данной работе мы предлагаем Стохастическую Батч Нормализацию — новый масштабируемый, эффективный и стабильный метод метод ансамблирования глубоких нейронных сетей. Мы построили этот метод основываясь на предложенной вероятностной интерпретации Батч Нормализации. Мы продемонстрировали возможности предложенного метода на современных архитектурах (включая глубокие сверточные архитектуры такие как VGG-like и ResNet) для задач классификации MNIST и CIFAR10 и сравнили его с существующими методами ансамблирования.

Student Theses at HSE must be completed in accordance with the University Rules and regulations specified by each educational programme.

Summaries of all theses must be published and made freely available on the HSE website.

The full text of a thesis can be published in open access on the HSE website only if the authoring student (copyright holder) agrees, or, if the thesis was written by a team of students, if all the co-authors (copyright holders) agree. After a thesis is published on the HSE website, it obtains the status of an online publication.

Student theses are objects of copyright and their use is subject to limitations in accordance with the Russian Federation’s law on intellectual property.

In the event that a thesis is quoted or otherwise used, reference to the author’s name and the source of quotation is required.

Search all student theses