Статья «Интерпретируемость и эффективность методов машинного обучения для анализа последовательностей» Муратовой А.А. принята к публикации в журнале ACM Digital Library

Существует множество данных, которые можно анализировать с помощью современных методов интеллектуального анализа данных для достижения лучших результатов. С одной стороны, основной выбранной задачей является сравнение различных методов предсказания следующего события в последовательности с учетом признаков, с другой стороны, мы уделяем особое внимание интерпретируемым паттернам, которые характеризуют последовательности. Были рассмотрены интерпретируемые методы - деревья решений и их ансамбли, а также полуинтерпретируемые или неинтерпретируемые методы, такие как метод SVM с различными настраиваемыми ядрами, и нейронные сети, соответственно. Наилучшие результаты по точности были получены с двухканальными сверточными нейронными сетями.

Конференция состоится 8 марта 2021 года.

Подробнее можно ознакомиться по ссылке https://dl.acm.org/proceedings