Математики ВШЭ упростили расчет точности нейросетей

Традиционные способы анализа случайных алгоритмов, таких как SGD, требуют вычисления предельной ковариационной матрицы — таблицы взаимосвязей параметров модели. Этот процесс отнимает много времени и вычислительных мощностей, а зачастую дает погрешности. Группа ученых из Института ИИ и цифровых наук ФКН НИУ ВШЭ доказала, что можно обойтись без этих затратных операций, используя более простой эмпирический метод.

Команда подтвердила, что существующий подход корректно воспроизводит распределение усредненного решения SGD без необходимости проводить повторное обучение. По словам младшего научного сотрудника лаборатории стохастических алгоритмов Марины Шешуковой, работа дает строгую интерпретацию тем методам, которые ранее применялись на практике исключительно интуитивно. Теперь разработчики в медицине, финансах и автономных системах смогут получать надежные данные о точности предсказаний гораздо быстрее, сохраняя при этом высокую достоверность результатов.