Рассматривается задача отслеживания объектов по данным с сети камер видеонаблюдения, которая состоит из трёх последовательных этапов: обнаружение объектов на кадре, трекинг и повторная идентификация. Каждый из этапов представляет собой самостоятельную задачу со своими методами оценки качества. В работе предложен единый метод оценки качества всей задачи в целом. 

В работе снижается размерность пространства параметров нейросети путем метрического анализа пространства, сопряженного ко входному.

Параметры нейросети анализируются повекторно, оцениваются их матожидания и ковариационные матрицы. На основе анализа ковариационный матриц различных нейронов предложен алгоритм снижения количества нейронов.

Целями данной работы является исследование и разработка алгоритмов построения моделей на основе данных для решения задачи классификации с несколькими метками. Подобные модели используются для предсказания, например, множества заказов клиента или множества его заходов на сайт. Модель должна предсказать набор меток характеристик заказа для определенного идентификатора в текущий момент времени, учитывая предыдущую историю для данного идентификатора с некоторым шагом по времени.

В работе рассмотрена возможность распознавания систем имеющих топологию сетей малого мира без детального анализа их топологических свойств. Для этого используются методы распознавания образов и машинного обучения. Проведенное исследование  позволяет сделать вывод, что распознавания с обучением дает более высокие результаты правильной классификации сетей.

Любой геологический слой потенциально может включать в себя нефтегазоматеринские породы или породы-коллекторы, вмещающие углеводороды. Задача выделения геологических слоёв в разрезе изучаемых территорий наиболее надёжно решается по сейсмическим материалам. 

Целью данной работы является обучение модели для выделения геологических слоёв по сейсмическим изображениям и оценка её качества по показателям выбранной метрики и объёма ручной доработки.  

Работа посвящена восстановлению матриц и тензоров, преимущественная часть элементов которых отсутствует. Предлагаются вероятностные методы восстановления, позволяющие существенно сократить достаточное для восполнения число неизвестных элементов до десятых долей процента, сохраняя высокую точность приближения. Разработанные методы могут найти применение в разных приложениях. Представленные алгоритмы были использованы для восстановления изображений и вычисления тензоров текстурных признаков.

В работе исследуется проблема выбора структуры модели глубокого обучения для мультидоменных данных. Предлагается рассматривать задачу как задачу мультимоделирования: для каждого домена оптимизируется отдельная структура. Рассматриваются два метода регуляризации: структурная и регуляризация пространства скрытых представлений модели. В работе показано, что предложенная оптимизационная задача позволяет найти компромисс между сложностью итоговой модели и ее прогностическими характеристиками.

Работа посвящена созданию системы, выполняющей распознавание, отслеживание и оценку численных характеристик муравьев на видеопоследовательностях, сделанных в полевых условиях.  Для распознавания муравьев был использован нейросетевой детектор, определяющий положение и ориентацию муравья. Для отслеживания использовался расширенный фильтр Калмана, сопоставление объектов между кадрами происходило по временной оценке. Полученные результаты позволят значительно облегчить работу биологов.

В данной работе рассматриваются современные легковесные, вычислительно эффективные модели оценки карты глубины монокулярных изображений для задач компьютерного зрения и робототехники.

Показано, что каждая из представленных моделей улучшает друг друга по метрикам: REM (mean absolute relative error), RMS (root mean squared error) и $${\delta }_{1-3}$$ (the accurate under threshold: $${\delta }_{k} < 1.25^{k}, k = 1, 2, 3$$) на наборе данных NYUDv2.

Целью работы является обобщение алгоритмов Mixing Past Posteriors для случая бесконечного (постоянно растущего) числа экспертов и оценка потерь и регрета этих алгоритмов в этой постановке.

В классе экономических задач существует проблема финансовой устойчивости предприятия, а именно прогнозирование стадии несостоятельности для малого и среднего бизнеса. Источниками исходных данных для решения поставленной задачи могут служить стандартные реестры, накапливающие информацию о финансово-экономической деятельности организаций в Российской Федерации. Для решения поставленной задачи предлагается использовать ДСМ-метод. 

В работе решается задача прогнозирования временного ряда со сложной структурой. Требуется найти причинно-следственные связи между временными рядами. Для этого предлагается снизить размерность траекторных пространств. В работе предложен новый способ согласованного снижения размерности многомерных временных рядов. Он объединяет метод частичных наименьших квадратов и метод перекрестных отображений. Для демонстрации результатов работы решается задача восстановления траектории движения руки по видео.

Анализ работы BERT-подобных моделей в задачах классификации грамматических ошибок на русском языке

В работе рассмотрено применение техники многозадачного обучения для детектирования машинно-сгенерированных текстов на русском языке от разных языковых моделей. Данный метод может позволить получить более эффективное и компактное представление данных в обучаемой модели при совместном использовании некоторых параметров сети.

Разладка во временном ряде – это момент смены вероятностного распределения составляющих его данных. Причиной разладок в жизни являются чрезвычайные происшествия, которые необходимо быстро и точно детектировать.

В этой работе мы создали подход, который использует и размеченные, и неразмеченные данные. Этот подход позволяет получать высокое качество детектирования разладок в случае, когда доступна лишь небольшая выборка размеченных данных при наличи большого набора неразмеченных.

Данная работа показывает графовый подход к решению задачи классификации изображений. В работе рассматривается процесс конвертации изображений во взвешенные графы. После этого, на полученных матрицах смежности рассчитываются метрики, связанные с весом ребер, наименьшими кратчайшими путями и степенями вершин. Полученные значения формируют признаковое множество, которое используется для тренировки ансамблей машинного обучения с целью решения исходной задачи бинарной классификации. 

В работе речь пойдет о применении моделей компьютерного зрения, методов обработки видео и методов отслеживания множества объектов без разметки данных (сопровождение множества объектов на основе методов без учителя или трекинг) на примере флотационной пены.

Неправильный диагноз болезней сельскохозяйственных культур может привести к неправильному использованию химических веществ. Что приводит к появлению устойчивых штаммов патогенов, увеличению затрат на сырье и увеличению числа вспышек заболеваний. Современная диагностика заболеваний человеком отнимает много времени и стоит дорого. В то время, как модели компьютерного зрения способны повысить эффективность распознавания заболевания.

Цель: обучить модель детектировать заболевания яблони.

В данной работе предлагается эффективный способ обучения нейронных сетей для задачи классификации с дисконтированной функцией потерь, основанной на максимизации марджина (зазора между вероятностями правильной и неправильными метками). Преимуществом такого подхода является меньшее количество гиперпараметров (при том же качестве) и, как следствие, простота в использовании. Также мы предлагаем более эффективную схему ансамблирования нейронных сетей с использованием дисконтирования функции потерь.