"Записки научных семинаров ПОМИ"

Том 552, стр. 178-190

Архитектура глубокого обучения для обработки табличных данных с целью извлечения мета-признаков

Р. Гарипов, А. Забашта, А. Фильченков

ITMO University, Kronverksky Prospekt 49, bldg. A, St. Petersburg, 197101, Russia

devilgar@gmail.com

azabashta@itmo.ru

aafil@mail.ru

Аннотация: В данной работе изучается табличное представление данных в области метаобучения. В ней была предложена архитектура глубокого обучения, которая способна обрабатывать табличные данные, извлекая из них информацию в векторном формате, аналогично традиционным подходам извлечения метапризнаков. Эта архитектура основана на модели deep-sets, а набора данных представляется как множество множеств. Этот подход позволяет обрабатывать табличные данные более естественным образом, поскольку учитывает инвариантность набора данных относительно изменения порядка строк или столбцов. Также было предложено и изучено несколько модификаций этой архитектуры, которые можно применить к задаче многоклассовой классификации. Рассматриваемые архитектуры были экспериментально сравнены в традиционной задаче выбора алгоритма. Результаты эксперимента показали, что модели, которые напрямую обрабатывают набор данных, превосходят модели, основанные только на метапризнаках, но вместе эти подходы работают еще лучше. Однако в некоторых сценариях модель на основе сверточной сети превосходила модель на основе deep-sets. Библ. --- 18 назв.
Ключевые слова: искусственный интеллект, машинное обучение, глубокое обучение, метаобучение, табличные данные [artificial intelligence, machine learning, deep learning, meta-learning, tabular data]

Полный текст(.pdf)