Участник:Andriygav

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
м (Новая: == Грабовой Андрей == *МФТИ, ФУПМ *Интеллектуальные системы *Интеллектуальный анализ данных *E-mail: grab...)
(Отчет о научно-исследовательской работе)
Строка 7: Строка 7:
== Отчет о научно-исследовательской работе ==
== Отчет о научно-исследовательской работе ==
-
'''Весна 2018, 6й семестр'''
+
----
 +
==Весна 2018, 6й семестр==
 +
'''Автоматическое определение релевантности параметров нейросети'''<br/>
 +
''Работа посвящена оптимизации структуры нейронной сети. Предполагается, что число параметров нейроной сети можно существенно снизить без значимой потери качества и без значимого повышения дисперсии функции ошибки. Предлагается метод прореживания параметров нейронной сети, основанный на автоматическом определении релевантности параметров. Для определения релевантности параметров, предлагается проанализировать ковариационую матрицу апостериорного распределения параметров и удалить из нейросети наименее релевантные и мультиколлинеарные параметры. Для определения мультиколлинеарности предлагается использовать метод Белсли. Для анализа качества представленного алгоритма проводятся эксперименты на выборке Boston Housing, а также на синтетических данных.'' <br/>

Версия 06:19, 3 сентября 2018

Грабовой Андрей

  • МФТИ, ФУПМ
  • Интеллектуальные системы
  • Интеллектуальный анализ данных
  • E-mail: grabovoy.av@phystech.edu andriy.graboviy@mail.ru


Отчет о научно-исследовательской работе


Весна 2018, 6й семестр

Автоматическое определение релевантности параметров нейросети
Работа посвящена оптимизации структуры нейронной сети. Предполагается, что число параметров нейроной сети можно существенно снизить без значимой потери качества и без значимого повышения дисперсии функции ошибки. Предлагается метод прореживания параметров нейронной сети, основанный на автоматическом определении релевантности параметров. Для определения релевантности параметров, предлагается проанализировать ковариационую матрицу апостериорного распределения параметров и удалить из нейросети наименее релевантные и мультиколлинеарные параметры. Для определения мультиколлинеарности предлагается использовать метод Белсли. Для анализа качества представленного алгоритма проводятся эксперименты на выборке Boston Housing, а также на синтетических данных.

Личные инструменты