Автоматика и телемеханика, № 12, 2022

Тематический выпуск¹

ВСТУПИТЕЛЬНОЕ СЛОВО

DOI: 10.31857/S0005231022120017, EDN: KREMGC

В данном номере журнала представлены статьи, подготовленные на

основе докладов, прочитанных на конференции

¾Математические мето-

ды распознавания образов¿ (ММРО-2021), посвященной памяти академика

К.В. Рудакова. Первая часть статей была опубликована в № 10, 2022.

В статье Гришина В.А. ¾Задача формирования покрытия области неопре-

деленности эталонами для систем оптической навигации¿ рассматривается

процесс управления стыковкой некооперируемых космических аппаратов.

В работе Скачкова Н.А., Воронцова К.В. ¾Улучшение качества машинного

перевода с использованием обратной модели¿ рассмотрены проблемы ком-

пьютерного перевода текстов. Машинный перевод это задача обработки

текстов естественного языка, ставящая своей целью перевод входного текста

с одного языка на другой язык в автоматическом режиме. В данной рабо-

те рассматриваются подходы, использующие переводные модели обратных

языковых направлений и улучшающие согласованность между переводами

одного текста с помощью прямых и обратных им моделей перевода. В работе

представлено общее теоретическое обоснование для таких методов с точки

зрения решения задачи максимизации правдоподобия, а также предложен

способ стабильного обучения современных моделей с использованием цикли-

ческих переводов.

В статье Дюличевой Ю.Ю. ¾Выявление аффективных состояний на ос-

нове автоматического анализа текстов комментариев в социальных сетях¿

рассмотрена задача классификации 3553 англоязычных комментариев из со-

циальной сети Reddit на основе различных подходов к векторизации текстов

комментариев: мешок слов, TF-IDF, анализ биграмм на основе поточечной

взаимной информации PMI и сентимента, глубокая модель представления

языка BERT. Применение гибридного подхода с использованием векториза-

ции текстов на основе BERT и анализа биграмм позволило повысить качество

классификации до 91%.

В работе Королева Н.С., Сенько О.В. ¾Метод повышения эффективности

обучения градиентного бустинга, основанный на модифицированных функ-

циях потерь¿ рассматривается новый метод повышения качества обучения

градиентного бустинга, а также увеличения его обобщающей способности,

основанный на использовании модифицированных функций потерь.

¹ Статьи с 3 стр. по 140 стр. являются окончанием тематического выпуска № 10, 2022 г.

В статье Хрыльченко К.Я., Воронцова К.В. ¾Оптимизация весов модаль-

ностей в тематических моделях транзакционных данных¿ рассматривается

актуальная задача обучения мультимодальных тематических моделей. Од-

ной из основных проблем при обучении моделей такого вида является по-

иск оптимальных весов модальностей. Авторами предложен и теоретически

обоснован новый вычислительно эффективный метод нахождения “сбалан-

сированных” весов модальностей, который решает проблему “доминирующих

модальностей”. Предложенный метод экспериментально исследован на задаче

предсказания 90-дневной просрочки выплат по кредиту. Авторами показано,

что данный метод превосходит по качеству как стандартные мультимодаль-

ные модели, так и лучшую по качеству унимодальную модель.

Статья Ерохина В.И., Кадочникова А.П., Сотникова С.В. ¾Достаточные

условия значимости коэффициентов линейных моделей и полиномиальной

сложности их определения по данным с интервальной неопределенностью¿

посвящена исследованию свойств интервальных систем линейных алгебраи-

ческих уравнений, которые, в частности, возникают при построении линейной

регрессии по данным с интервальной неопределенностью. Авторский вклад

состоит в формулировке и доказательстве теоремы о достаточных условиях,

при которых допустимая область интервальной системы линейных алгебраи-

ческих уравнений является выпуклым ограниченным многогранником, цели-

ком принадлежащим одному ортанту.

В работе Берикова В.Б. ¾Модель и метод построения разнородного кла-

стерного ансамбля¿ рассматривается задача кластеризации данных с помо-

щью разнородного ансамбля с использованием матрицы коассоциации. Фор-

мулируется вероятностная модель, учитывающая коррелированность оценоч-

ных функций, с помощью которой находятся соотношения между характе-

ристиками ансамбля и показателями качества итогового решения. Найдено

выражение для оптимальных весов базовых алгоритмов, для которых мини-

мальна верхняя граница оценки вероятности ошибки кластеризации.

В работе Анциперова В.Е. ¾Генеративная модель автокодировщиков, само-

обучающихся на изображениях, представленных выборками отсчетов¿, обос-

новывается концепция автокодировщиков, ориентированных на автоматиче-

скую генерацию сжатых изображений. Предлагаемый подход к задаче синте-

за подобных автокодировщиков опирается на методы и принципы машинного

обучения, понимаемого здесь как обучение по выборке из самих же данных.

Для этих целей разработано специальное представление изображений с по-

мощью выборок отсчетов контролируемого размера (выборочных представ-

лений).

Лазарев А.А.