Los matemáticos de la RUDN y la Universidad Libre de Berlín han propuesto una nueva forma de usar redes neuronales para trabajar con datos ruidosos de grandes dimensiones

Los matemáticos de la RUDN y la Universidad Libre de Berlín han propuesto una nueva forma de usar redes neuronales para trabajar con datos ruidosos de grandes dimensiones

Los matemáticos de la RUDN y la Universidad Libre de Berlín propusieron un nuevo enfoque para estudiar las distribuciones de probabilidad de los datos observados utilizando redes neuronales artificiales. El nuevo enfoque interactúa mejor con los llamados valores atípicos, con aquellos objetos de datos de entrada que se distinguen significativamente de la muestra general.

La restauración de la distribución de probabilidad de los datos observados por redes neuronales artificiales es la parte más importante del aprendizaje automático. La distribución de probabilidad no solo nos permite predecir el comportamiento del sistema estudiado, sino también cuantificar la incertidumbre con la que se hacen los pronósticos. La principal dificultad es que, por regla general, solo se observan los datos en sí mismos, pero sus distribuciones de probabilidad en una forma exacta no están disponibles. Para resolver este problema, se utilizan métodos bayesianos y aproximados. Pero su uso aumenta la complejidad de la red neuronal y, en consecuencia, su entrenamiento. La combinación de métodos bayesianos con otros (por ejemplo, con el método delta) permite reducir la incertidumbre.

Los matemáticos de la RUDN y la Universidad Libre de Berlín utilizaron pesos deterministas para redes neuronales, y los resultados de las redes codificaron la distribución de variables latentes para la distribución marginal (privada) deseada. Obtuvieron una fórmula que permite estimar correctamente la varianza de la distribución de los datos observados. Un análisis de la dinámica de aprendizaje de tales redes les permitió obtener una fórmula que estima correctamente la varianza de la distribución de los datos observados, a pesar de la presencia de valores atípicos en los datos. El modelo propuesto se probó con diferentes datos: sintético y real; sobre los datos que contienen emisiones y sobre aquellos de los cuales fueron eliminados previamente. El nuevo método permite restaurar las distribuciones de probabilidad con mayor precisión en comparación con otros métodos modernos. La precisión se estimó utilizando el método AUC (el área bajo de la curva es el área debajo del gráfico que permite estimar el error cuadrático medio de las predicciones según el tamaño de la muestra estimado por la red como «confiable»; cuanto mayor sea el puntaje AUC, mejores serán las predicciones).

El artículo fue publicado en la revista Artificial Intelligence

Ciencia
13 Feb
Las microalgas, una herramienta innovadora para la bioeconomía

Los productos derivados de las microalgas constituyen un avance en el campo de la bioeconomía. Las posibilidades de los biorrecursos se debatieron en el seminario internacional de investigación «Fundamentos para una energía verde sostenible»(«Foundations for a Green Sustainable Energy») en el marco del Grupo Temático Internacional «Energía» de la Universidad de Red BRICS. El evento fue organizado por el Instituto de Ecología de la RUDN.

Ciencia
05 Jan
Premio RUDN por los logros en el campo de la química: el primer galardonado es un destacado científico de Cuba

El año 2024, en la RUDN empezó a admitirse las solicitudes de candidatura para el nuevo Premio anual a los logros científicos en el campo de la química. El premio se creó para reconocer las contribuciones a la investigación fundamental y aplicada, así como los méritos en la consecución de los Objetivos de Desarrollo Sostenible de la ONU.

Ciencia
18 Jan 2024
Agrónomo de la RUDN encontró trigo genéticamente resistente a hongos

Agrotecnólogo de la Universidad RUDN ha identificado genotipos de trigo que son resistentes a un patógeno fúngico peligroso que infecta las plantas incluso antes de que la nieve se derrita y reduzca los rendimientos.