• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Статья
Reconstruction of manifold embeddings into Euclidean spaces via intrinsic distances

Nikita Puchkin, Vladimir Spokoiny, Eugene Stepanov et al.

ESAIM - Control, Optimisation and Calculus of Variations. 2024. Vol. 30.

Глава в книге
Model-free Posterior Sampling via Learning Rate Randomization

Tiapkin D., Belomestny D., Calandriello D. et al.

In bk.: Advances in Neural Information Processing Systems 36 (NeurIPS 2023). Curran Associates, Inc., 2023. P. 73719-73774.

Препринт
Транспарентность системы здравоохранения: состояние, ограничения, перспективы

Шишкин С.В., Шейман И.М., Власов В. В. и др.

Государственное и муниципальное управление. WP8. Высшая школа экономики, 2023. № 1.

Структурные модели и глубинное обучение

 12 февраля (пятница) c 1830 в зале Ученого совета ИППИ РАН (2-й этаж, Дирекция) прошло первое заседание  семинара.
Название:   Автоматический выбор алгоритма машинного обучения и настройка его гиперпараметров на основе данных и рекомендаций пользователя

Докладчики:  Ермек Капушев и Максим Панов

В докладе была рассмотрена задача автоматического выбора алгоритма машинного обучения для решения задачи анализа данных. Такой выбор может осуществляться на основе имеющейся выборки данных, априорных представлениях о характере и особенностях наблюдаемой зависимости, а также исходя из пожеланий к свойствам модели. Особое внимание будет уделено подбору гиперпараметров конкретного алгоритма машинного обучения на основе современных подходов байесовской оптимизации. Общие подходы будут проиллюстрированы на примере решения задач регрессии.