• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
  • РУС
  • EN
Версия для слабовидящих
Расширенный поиск
Меню
Высшая школа экономики
Расширенный поиск
Высшая школа экономики
Национальный исследовательский университет
Приоритетные направления
по году
Тематика
Новости
21 июля 2026
«Нам бы хотелось, чтоб наши корпуса использовались больше»
Созданные в Международной лаборатории языковой конвергенции и Школе лингвистики НИУ ВШЭ корпуса абхазо-адыгских языков, на которых говорят народы Западного Кавказа, позволяют изучить их особенности, показывают возможности современного использования. Создание корпусов стало возможным благодаря серии экспедиций ученых и студентов Вышки на Кавказ, современным методам лингвистической обработки и взаимодействию с коллегами из региональных университетов. О работе лингвистов новостной службе «Вышка.Главное» рассказал ведущий научный сотрудник Международной лаборатории языковой конвергенции, доцент Школы лингвистики Юрий Ландер.
20 июля 2026
В НИУ ВШЭ обсудили подходы к измерению качества питания школьников
В Высшей школе экономики состоялся научный семинар «Подходы к измерению качества питания российских школьников». Его участники заявили о необходимости пересмотра подходов к контролю за школьным питанием. Организаторами мероприятия выступили Институт социальной политики и базовая организация СНГ по вопросам питания учащихся АНО «Институт отраслевого питания».
16 июля 2026
«Наука всемирна, она не знает границ»
Разработанные ординарным профессором, директором Международного центра анализа и выбора решений НИУ ВШЭ Фуадом Алескеровым и его коллегами методы сетевого анализа в библиометрии позволили определить особенности появления, взаимного влияния и цитирования публикаций в научных журналах. Частое цитирование разными изданиями одного или нескольких исследований означает высокое качество работы, а перекрестные ссылки внутри ограниченного круга журналов повышают вероятность формирования сети хищнических изданий.

Глава

Leveraging Recursive Gumbel-Max Trick for Approximate Inference in Combinatorial Spaces

P. 10999-11011.
Kirill Struminsky, Artyom Gadetsky, Denis Rakitin, Karpushkin D., Dmitry Vetrov.
Язык: английский
Полный текст (PDF, 621 Кб)
DOI
Текст на другом сайте
Ключевые слова: deep learningProbabilistic Modelinglatent variable modelsUnsupervised learning
Публикация подготовлена по результатам проекта: Использование вероятностных нейроморфных генеративных моделей для развития технологии цифровых двойников нелинейных стохастических систем(2019)

В книге

Advances in Neural Information Processing Systems 34 (NeurIPS 2021)
Curran Associates, Inc., 2021.
Похожие публикации
Детектирование эмоций в речи с использованием долгой краткосрочной памяти
Попова А. С., Рассадин А. Г., Пономаренко А. А. В кн.: Материалы XXIV международной научно-технической конференции «Информационные системы и технологии-2018. 2018. С. 1083-1089.

Рассматривается задача автоматической классификации эмоций в цифровом аудио сигнале. В работе рассматривается и верифицируется подход, в котором классификация звукового фрагмента производится с помощью рекуррентной нейронной сети c долговременно-кратковременной памятью. В качестве признаков использовались мел-кепстральные коэффициенты. Произведен численный эксперимент на открытом наборе данных Ravdess, включающий 8 различных эмоций: “нейтральный”, “спокойный”, “счастливый”, “грустный”, “злой”, “испуганный”, “отвращение”, “удивление” и проведено сравнение разных наборов признаков и разных архитектур сети.

Добавлено: 21 октября 2018
A Novel Autonomous Taxi Model for Smart Cities
Rajput N. S., Deogune M., Mishra A. et al. In bk.: Proceedings of 4th IEEE World Forum on Internet of Things WF-IoT 2018. NY: IEEE Computer Society, 2018. P. 625-628.
Добавлено: 14 февраля 2018
An Empirical Experiment on Deep Learning Models for Predicting Traffic Data
Lee H., Park C., Jin S. et al. ICDE: International Conference on Data Engineering (США). 2021. P. 1817-1822.
Добавлено: 18 мая 2023
Learning to Remember Patterns: Pattern Matching Memory Networks for Traffic Forecasting
Lee H., Jin S., Chu H. et al. ICLR: International Conference on Learning Representations (США). 2022.
Добавлено: 18 мая 2023
Proceedings of the Workshop of the 5th International Conference on Learning Representations (ICLR)
2017.
Добавлено: 14 мая 2017
Workshop on Compact Deep Neural Network Representation with Industrial Applications, Thirty-second Conference on Neural Information Processing Systems
Montréal: 2018.
Добавлено: 5 декабря 2018
A Simple Method to Evaluate Support Size and Non-uniformity of a Decoder-Based Generative Model
Struminsky K., Vetrov D. Lecture Notes in Computer Science. 2019. Vol. 11832. P. 81-93.
Добавлено: 23 апреля 2020
Workshop of the 5th International Conference on Learning Representations (ICLR)
2017.
Добавлено: 31 октября 2018
Real-time Streaming Wave-U-Net with Temporal Convolutions for Multichannel Speech Enhancement
Sokolov A. arxiv.org. Computer Science. Cornell University, 2021
Добавлено: 26 сентября 2021
On Embeddings for Numerical Features in Tabular Deep Learning
Gorishniy Y., Ivan Rubachev, Babenko A. In bk.: Thirty-Sixth Conference on Neural Information Processing Systems : NeurIPS 2022. Curran Associates, Inc., 2022. Ch. 1. P. 24991-25004.
Добавлено: 28 января 2023
mPyPl: Python Monadic Pipeline Library for Complex Functional Data Processing
Soshnikov D. V., Valieva Y. arxiv.org. Computer Science. Cornell University, 2021
Добавлено: 7 октября 2021
Spatially Adaptive Computation Time for Residual Networks
Figurnov M., Collins M. D., Zhu Y. et al. arXiv:1612.02297. arXiv. Cornell University, 2016
Добавлено: 12 декабря 2016