Conveners
Computer & Data Science 19
- Kirill Ivanov
Computer & Data Science 19
- Kirill Ivanov
The proposed research entails a theoretical analysis of the convergence rate and efficiency of a novel distributed optimization method, which incorporates independent segmentation of gradient coordinates ($PermK$) followed by a greedy coordinate selection process ($TopK$) for each gradient segment. Our findings indicate that the new method attains comparable results to state-of-the-art...
The proposed research entails a theoretical analysis of the convergence rate and efficiency of a novel distributed optimization method, which incorporates independent segmentation of gradient coordinates ($PermK$) followed by a greedy coordinate selection process ($TopK$) for each gradient segment. Our findings indicate that the new method attains comparable results to state-of-the-art...
Recently contrastive learning has regained popularity as a self-supervised representation learning technique. It involves comparing positive (similar) and negative (dissimilar) pairs of samples to learn representations without labels. However, false negative and false positive errors in sampling lead to the loss function bias. This paper analyzes various ways to eliminate these biases. Based...
В последнее время популярностью пользуется метод «Neural Radiance Field», предлагающий восстановить 3D сцену путем анализа двухмерной фотографии. К несчастью, результат восстановления очень сильно зависит от того, насколько качественными были входные данные - изображения, позы камер, семантические карты. В данной работе представлен новый метод на основе NeRF, который умеет восстанавливать...
Large language models have achieved remarkable performance on a wide range of tasks that require natural language understanding. As recent studies show, they are able to solve tasks that require mathematical reasoning, such as solving problems and formalizing proofs. But how big are the language models needed for these tasks? We study whether it is possible to achieve comparable quality on...
С каждым днем в мире появляется все больше и больше данных, которых мы можем использовать для целей машинного обучения. Однако для классических методом обучения с учителем нужна разметка на данных, которая требует затрат человеко-часов и, соответственно, денег. Вот почему в последние годы все активнее развиваются техники обучения без учителя, которые не требуют предварительной разметки на...
Исследуется проблема снижения размерности пространства параметров модели машинного обучения. Решается задача восстановления временного ряда. Для восстановления используются авторегресионные модели: линейные, автоенкодеры, реккурентные сети ~--- с непрерывным и дискретным временем. Проводится метрический анализ пространства параметров модели. Предполагается, что отдельные параметры модели,...
Tensor based time series decomposition methods based on singular spectrum analysis showed great results in both denoising and interpretability. Several forecasting techniques based on them were already explored, yet none provided simultaneously accurate, stable and computationally cheap inferring. After an in-depth study of well known models we facilitated a new one comprising all three...
-
В работе сравниваются между собой пять популярных sampling-based алгоритмов, а именно RRT, RRT, Informed RRT, BIT и FMT, применяющихся в задаче планирования пути для робота-манипулятора. Для сравнения написан софт, позволяющий тестировать различные sampling-based алгоритмы, c помощью него проведены эксперименты.
