Глубокие порождающие модели для поиска аномалийDeep generative models for anomaly detection
Соискатель:
Руководитель:
Члены комитета:
Тараканов Александр Александрович (НИУ ВШЭ, PhD, председатель комитета), Бекларян Армен Левонович (НИУ ВШЭ, к.т.н., член комитета), Мурзагулов Дамир Альбертович (Томский государственный университет, к.т.н., член комитета), Панов Максим Евгеньевич (Университет искусственного интеллекта имени Мохамеда бен Заида (Объединенные Арабские Эмираты), к.ф.-м.н., член комитета), Хватов Александр Александрович (ИТМО, к.ф.-м.н., член комитета)
Диссертация принята к предварительному рассмотрению:
6/13/2024
Диссертация принята к защите:
7/4/2024
Дисс. совет:
Совет по компьютерным наукам
Дата защиты:
10/22/2024
В данной работе исследуется использование глубоких генерирующих моделей, в частности, для повышения надежности и эффективности методов обнаружения аномалий и редких классов. Такого рода задачи часто встречаются в реальных сценариях, когда выборок определенных классов мало или нет вовсе, что приводит к значительному дисбалансу классов и неполному использованию данных об аномальных и редких классах или переобучению. В исследовании представлен ряд принципиально новых подходов, основанных на глубинных MCMC процессах, нормализующих потоках и латентных стохастических дифференциальных уравнениях, направленных на преодоление разрыва между задачами обнаружения аномалий с учителем и без учителя. Эти методы изучаются и подтверждаются с помощью множественных экспериментов на табличных, графических и временных данных, в которых представленные методы значительно превосходят ранее существующие подходы обнаружения аномалий.В частности, практическая значимость изучаемых методов отдельно изучается на реальной задаче обнаружения аномалий в физике высоких энергий, где также демонстрируются большой потенциал глубоких генерирующих моделей обучения.
Диссертация [*.pdf, 24.60 Мб] (дата размещения 8/16/2024)
Резюме [*.pdf, 167.44 Кб] (дата размещения 8/16/2024)
Summary [*.pdf, 128.66 Кб] (дата размещения 8/16/2024)
Публикации, в которых излагаются основные результаты диссертации
Ryzhikov A., Ustyuzhanin A. Domain adaptation with gradient reversal for MC/real data calibration (смотреть на сайте журнала)
Borisyak M., Ryzhikov A., Ustyuzhanin A., Derkach D., Ratnikov F., Mineeva O. (1 + ε)-class Classification: an Anomaly Detection Method for Highly Imbalanced or Incomplete Data Sets (смотреть на сайте журнала)
Ryzhikov A., Derkach D., Hushchyn M. on behalf of the LHCb Collaboration Variational Dropout Sparsification for Particle Identification speed-up (смотреть на сайте журнала)
Ryzhikov A., Borisyak M., Ustyuzhanin A., Derkach D. NFAD: fixing anomaly detection using normalizing flows (смотреть на сайте журнала)
Ryzhikov A., Temirkhanov A., Derkach D., Hushchyn M., Kazeev N. and Sergei Mokhnenko on behalf of LHCb collaboration Robust Neural Particle Identification Models (смотреть на сайте журнала)
Ryzhikov A., Hushchyn M., Derkach D. Latent Stochastic Differential Equations for Change Point Detection (смотреть на сайте журнала)
Отзывы
Отзыв научного руководителя
- Деркач Денис Александрович (дата размещения 6/17/2024)
Отзыв члена Комитета
- Хватов Александр Александрович (дата размещения 10/9/2024)
- Тараканов Александр Александрович ( (дата размещения 10/9/2024)
- Мурзагулов Дамир Альбертович (дата размещения 10/9/2024)
См. на ту же тему
Методы и алгоритмы для извлечения, связывания, векторизации и разрешения неоднозначности лексико-семантических графовДокторская диссертация
Соискатель: Панченко Александр Иванович
Исследования по разработке методов противодействия мошенничеству в финансовых организациях с применением машинного обученияКандидатская диссертация
Соискатель: Воробьев Иван Александрович
Руководитель: Лось Алексей Борисович
Применение глубоких генеративных моделей для задач прогнозирования в машинном обученииКандидатская диссертация
Соискатель: Баранчук Дмитрий Александрович
Руководитель: Бабенко Артем Валерьевич