• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Априорные знания для моделей глубинного обученияPrior knowledge for deep learning

Соискатель:
Ашуха Арсений Павлович
Члены комитета:
Николенко Сергей Игоревич (Санкт-Петербургское отделение Математического института им. В. А. Стеклова РАН, кандидат физико-математических наук, председатель комитета), Кингма Дидерек (компания Google Brain, PhD, член комитета), Ли Инчжан (Имперский колледж Лондона, PhD, член комитета), Сноук Джаспер (компания Google Brain, PhD, член комитета), Ульрих Карен (Векторный институт, PhD, член комитета)
Диссертация принята к предварительному рассмотрению:
6/23/2022
Диссертация принята к защите:
7/22/2022 (Протокол №13)
Дисс. совет:
Совет по компьютерным наукам
Дата защиты:
9/29/2022
Современные глубокие нейронные сети требуют сбор больших массивов данных, и использование больших моделей. Однако, такие модели требуют много энергии даже на этапе предсказания и поэтому не подходят для устройств с низким энергопотреблением, а сбор и разметка данных, это крайне медленный и дорогостоящий процесс. Чтобы решить эти проблемы, можно применять модели, которые используют априорные знания. Данная работа посвящена способам внедрения априорных знаний в модели глубокого обучения. Понятие "априорные знания" происходит от латинской фразы a priori (из того, что было до) и обозначает информацию, независимую от рассматриваемого набора данных. Априорные знания могут быть использованы в алгоритме машинного обучения, чтобы улучшить его качество, уменьшить вычислительный бюджет, повысить скорость обучения и т.д. Целью этой работы является разработка механизмов интеграции априорных знаний и использование этих механизмов для улучшения моделей глубокого обучения.
Диссертация [*.pdf, 24.66 Мб] (дата размещения 6/24/2022)
Резюме [*.pdf, 2.42 Мб] (дата размещения 6/24/2022)
Summary [*.pdf, 2.40 Мб] (дата размещения 6/24/2022)

Отзывы
Отзыв научного руководителя
Отзыв члена Комитета
Сведения о результатах защиты:
Комитет по диссертации рекомендовал присудить ученую степень кандидата компьютерных наук (протокол № 2 от 29.09.2022). Решением диссертационного совета (протокол № 18 от 12.10.2022) присуждена ученая степень кандидата компьютерных наук.