Разработана нейросетевая архитектура для быстрой обработки табличных данных

МОСКВА, 21 июля. /ТАСС/. Российские ученые разработали новую систему ИИ, которая позволяет обрабатывать большие массивы табличных данных и строить высокоточные прогнозы, что позволяет оптимизировать поставки, прогнозировать энергопотребление, классифицировать пациентов по риску заболеваний и решать многие другие задачи. Об этом сообщила пресс-служба "Яндекса".

"По результатам тестирования на 46 наборах данных, разработка российских ученых превзошла другие решения не только по занимаемому в среднем месту, но и по стабильности работы, что важно для практического применения. Благодаря способности объединять усилия нескольких подмоделей и эффективному использованию вычислительных ресурсов, система успешно конкурирует с классическими моделями градиентного бустинга, которые долгое время считались лучшим решением для табличных данных", - говорится в сообщении.

Как отмечается в сообщении, новый подход для обработки табличных данных, получивший имя TabM, был создан группой исследователей под руководством главы научно-исследовательского отдела Yandex Research Артема Бабенко. Созданная учеными система ИИ представляет собой так называемый ансамбль моделей - набор из нескольких нейросетей, каждая из которых проводит свой анализ, после чего прогноз усредняется.

Одной из ключевых особенностей этого алгоритма является то, что включенные в него нейросети, построенные на базе архитектуры многослойных перцептронов, проходят обучение одновременно и при этом пользуются значительной частью общих параметров. Подобный подход, как объясняют ученые, позволяет получать точные прогнозы и при этом тратить минимальное количество необходимых вычислительных мощностей для обучения моделей.

По словам исследователей, новый алгоритм уже успешно применяется при решении различных практических и конкурсных задач. В частности, недавно он был успешно применен участниками международного конкурса, который проводился на платформе Kaggle от компании Google, для разработки системы, способной оценивать шансы выживания пациентов после трансплантации костного мозга. Успех российского алгоритма показал, что он способен конкурировать с лучшими предложениями в этой области, подытожили ученые.