Собрали подборку статей от ученых AIRI на конференции ICLR 👀
Две статьи от команды «Вычислительный интеллект»:
🔳 Первая работа про связь двух 'hot' топиков – диффузии и оптимального транспорта. Исследовали теоретически и экспериментально с помощью эффективных тензорных методов.
🔳 Вторая статья – одна из немногих статей без deep learning на конференции, посвященная тензорным разложениям и тому, как эффективно строить представления различных многомерных массивов. Получились интересные результаты для кооперативных игр, задач расстановки ферзей на доске и подсчета перманента матрицы – все с помощью единого кода и подхода!
Статьи от команды «Обучаемый интеллект»:
🔳 В статье Neural Optimal Transport (NOT) предлагается оптимальный метод переноса данных из одного домена в другой с помощью нейросетей. Метод не требует парных обучающих выборок и может обучаться на независимых выборках данных из входного и выходного доменов.
🔳 В работе Kernel Neural Optimal Transport рассмотрен ряд теоретических и практических улучшений метода NOT с помощью использования воспроизводящих ядер.
Статья на воркшопе Neurosymbolic Generative Models workshop от команды «Нейросимвольная интеграция»:
🔳 Статья Disentangled Representations in Hyperdimensional Latent Space посвящена распутанным представлениям, которые заключаются в сведении данных к генеративным факторам, которые эти данные порождают.
В этой работе исследователи представляют генеративные факторы векторами высокой размерности и используют принципы векторных символьных архитектур, которые позволяют работать с символами с помощью векторных операций.
За счёт этого авторы получают возможность простым и интерпретируемым способом модифицировать объекты на изображении в скрытом пространстве.
До встречи на следующей конференции! 🖖
Две статьи от команды «Вычислительный интеллект»:
Статьи от команды «Обучаемый интеллект»:
Статья на воркшопе Neurosymbolic Generative Models workshop от команды «Нейросимвольная интеграция»:
В этой работе исследователи представляют генеративные факторы векторами высокой размерности и используют принципы векторных символьных архитектур, которые позволяют работать с символами с помощью векторных операций.
За счёт этого авторы получают возможность простым и интерпретируемым способом модифицировать объекты на изображении в скрытом пространстве.