Как сделать нейросети устойчивее к ошибкам данных?

Нейросети сегодня помогают распознавать изображения, анализировать данные и находить закономерности. Но даже такие системы могут ошибаться: если данные отличаются от привычных или содержат искажения, модель может принять неверное решение.

Выпускник направления «Информатика и вычислительная техника» Иван Муравьев решил разобраться, как сделать нейросети более устойчивыми к таким ситуациям.

В рамках выпускной работы Иван разработал нечеткую сверточную нейронную сеть на основе интуиционистской нечеткой логики Красимира Атанасова.

Сложно звучит? Мы разобрались за вас. Обычно нейросеть должна выбрать один ответ — например, «верно» или «неверно». Но в реальных условиях данные редко бывают идеальными. Новый подход позволяет модели учитывать степень уверенности и принимать решения осторожнее, когда информации недостаточно.

Особенность исследования в том, что ранее такой подход не применялся в задачах классификации с использованием сверточных нейронных сетей.

Перед Иваном стояла задача соединить математическую теорию и практическое применение искусственного интеллекта. За основу он взял классическую нечеткую логику Лотфи Заде и развил её с помощью подхода Красимира Атанасова, чтобы сохранить больше информации при работе с неопределенными данными и адаптировать модель для нейронных сетей.

«Самой сложной и интересной частью работы стал поиск математического подхода, который удовлетворял бы определению и свойствам логики, а также его последующая оптимизация для применения в моделях нейронных сетей», — рассказывает Иван.

Спасибо, Иван, за смелость взяться за задачу, где ещё нет готовых решений! Такие исследования показывают, каким может быть настоящий поиск в науке и технологиях. #Диплом_наизнанку

Телеграм: t.me/ainewsline

Источник: vk.com

Комментарии: