Методы глубокого обучения в задачах анализа данных
Исполнитель
Факультет компьютерных наук НИУ ВШЭРуководитель проекта
Макаров Илья АндреевичЦель исследования
Создать новые методы глубокого обучения в задачах анализа данных
Результат
- Был предложен ряд модификаций, которые привели к новым нейросетевым архитектурам, использующим временную информацию по всей последовательности кадров.
- Показано, что предложенные методы могут быть эффективным инструментом для использования временной информации при оценке глубины в реальном времени.
Публикации
- Makarov I.A., Bakhanova M.D., Nikolenko S.I., Gerasimova O.A. Self-supervised recurrent depth estimation with attention mechanisms // PeerJ Computer Science, 2022 (Q2)
- Makarov I, Savchenko A, Korovko A, Sherstyuk L, Severin N, Kiselev D, Mikheev A, Babaev D. Temporal network embedding framework with causal anonymous walks representations // PeerJ Computer Science, 2022 (Q2)
- Golyadkin, M., Pozdnyakov, V., Zhukov, L., Makarov, I. SensorSCAN: Self-supervised learning and deep clustering for fault diagnosis in chemical processes // Artificial Intelligence, 2023 (Q1)
Рисунки
Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!
Сервис предназначен только для отправки сообщений об орфографических и пунктуационных ошибках.