• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Центр глубинного обучения и байесовских методов

Публикации
Глава в книге
FFC-SE: Fast Fourier Convolution for Speech Enhancement

Shchekotov I., Andreev P., Ivanov O. et al.

In bk.: InterSpeech 2022. International Speech Communication Association, 2022. P. 1188-1192.

Статья
Study on precoding optimization algorithms in massive MIMO system with multi-antenna users

Bobrov E., Kropotov D., Troshin S. et al.

Optimization Methods and Software. 2022. P. 1-16.

Глава в книге
Leveraging Recursive Gumbel-Max Trick for Approximate Inference in Combinatorial Spaces

Kirill Struminsky, Artyom Gadetsky, Denis Rakitin et al.

In bk.: Advances in Neural Information Processing Systems 34 (NeurIPS 2021). Curran Associates, Inc., 2021. P. 10999-11011.

Глава в книге
On the Periodic Behavior of Neural Network Training with Batch Normalization and Weight Decay

Lobacheva E., Kodryan M., Chirkova N. et al.

In bk.: Advances in Neural Information Processing Systems 34 (NeurIPS 2021). Curran Associates, Inc., 2021. P. 21545-21556.

Глава в книге
Deterministic Decoding for Discrete Data in Variational Autoencoders

Polykovskiy D., Vetrov D.

In bk.: Proceedings of the Twenty Third International Conference on Artificial Intelligence and Statistics, PMLR 108. Iss. 108. PMLR, 2020. P. 3046-3056.

О Центре

Центр ведет исследования на стыке двух активно развивающихcя сегодня областей анализа данных: глубинного обучения и байесовских методов машинного обучения. Глубинное обучение - это раздел, подразумевающий построение очень сложных моделей (нейронных сетей) для решения таких задач, как классификация изображений или музыки, перенос художественного стиля с картины на фотографию, предсказание следующих слов в тексте. В рамках байесовского подхода для решения подобных задач рассматриваются вероятностные модели, опирающиеся на аппарат теории вероятностей и математической статистики. 

Центр создан на основе исследовательской группы байесовских методов машинного обучения Д.П. Ветрова


Иллюстрация к новости: Красота в деталях: ученые Вышки и AIRI разработали метод высококачественного редактирования изображений

Красота в деталях: ученые Вышки и AIRI разработали метод высококачественного редактирования изображений

Исследователи Центра ИИ НИУ ВШЭ, AIRI и Бременского университета разработали новый метод редактирования изображений на основе глубинного обучения — StyleFeatureEditor. Он позволяет точно воссоздавать мельчайшие детали изображения и сохранять их при редактировании. С его помощью пользователи смогут изменять цвет волос или выражение лица без потери качества изображения. Результаты работы опубликованы на самой цитируемой конференции по компьютерному зрению CVPR 2024.

Иллюстрация к новости: Обучение с подкреплением позволило лучше работать генеративным потоковым нейросетям

Обучение с подкреплением позволило лучше работать генеративным потоковым нейросетям