Открытый семинар LAMBDA "Надежное глубинное обучение"

Аннотация: Доклад посвящен новому подходу к эмпирической оценке надежности моделей глубинного обучения. В основе подхода лежит оценка робастности моделей к изменению обучающей выборки и инициализации весов. Предложен мета-алгоритм для отбора надежных моделей из заданного набора, с возможностью настройки баланса между качеством предсказания и робастностью. Продемонстрировано применение алгоритма отбора моделей к нейронным сетям с несколькими сверточными и полносвязными слоями (с количеством параметров не более 30000). Обсуждается зависимость робастности моделей от использования в них высокоуровневых признаков. Предложенные стратегия измерения робастности и метод отбора моделей могут применяться для поиска нейросетевой архитектуры (NAS) и внедрены в существующие системы автоматического машинного обучения (AutoML), в том числе ориентированные на создание отказоустойчивых решений.
Место проведения: АУК Покровский бульвар, 11, ауд. R406