Одна из типовых задач в области искусственного интеллекта – задача кластеризации и разбиения данных на классы. В простых случаях она сводится к созданию пространства признаков и группировке объектов по выбранной метрике. А для сложных случаев ручная разметка по-прежнему оказывается незаменимой. Но незаменимой только на первом этапе. К дальнейшей разметке уже вполне можно применить методы обучения с учителем и обучения с подкреплением. Пример модели, которая берет на себя трудоемкую работу экспертов по разметке, рассматривается в лекции «Обернутый классификатор с наивным учителем».
В докладе демонстрируется построение и обучение обернутого классификатора. Схема обучения классификатора состоит из двух последовательных нейронных сетей, обучающихся совместно. Одна из них (классификатор) учится разделять данные на скрытые классы, а вторая (обертка) – переименовывать скрытые классы уникальным образом, чтобы результат совпадал с разметкой эксперта. Показано, что такая схема позволяет получить разделение на классы, которые хорошо совпадают с ожидаемой разметкой.
Лекцию читает Олег Бернгардт, кандидат физико-математических наук, заведующий лабораторией динамических процессов в ионосфере ИСЗФ СО РАН, доцент кафедры естественнонаучных дисциплин факультета бизнес-коммуникаций и информатики, преподаватель трека “Искусственный Интеллект” IT Академии Samsung в Иркутском государственном университете.
Ссылка на репозиторий с материалами:
Больше лекций по ИИ от наших спикеров:
