?
A Prior of a Googol Gaussians: a Tensor Ring Induced Prior for Generative Models
P. 1–11.
Glazkova A., Ляшевская О. Н., Morozov D. и др., Journal of Mathematical Sciences 2025 Vol. 546 P. 32–47
Добавлено: 10 марта 2026 г.
Телешева Э. Д., Гущин М. И., Доклады Российской академии наук. Математика, информатика, процессы управления (ранее - Доклады Академии Наук. Математика) 2025 Т. 527 № S С. 388–399
Задача генерации высококачественных синтетических данных имеет ключевое значение для многих задач, связанных с наукой о данных. Сгенерированный набор данных может сократить затраты на дополнение существующих данных дополнительными, например в физике, или помочь с защитой конфиденциальности, например в банковской сфере. Однако генерация табличных данных является сложной задачей, поскольку данные содержат как числовые, так и категориальные признаки. ...
Добавлено: 12 февраля 2026 г.
Морозов Н. В., Максимов Я. В., Тяпкин Д. Н. и др., , in: Volume 267: International Conference on Machine Learning, 13-19 July 2025, Vancouver Convention Center, Vancouver, CanadaVol. 267.: [б.и.], 2025. P. 44887–44910.
Добавлено: 15 октября 2025 г.
Максименкова О. В., Сегал А. П., Вопросы философии 2025 № 10 С. 67–76
Исследование посвящено проблеме взаимодействия человека и искус ственного интеллекта (ИИ). Авторы рассматривают это взаимодействие как опосредованное интерфейсами, которые одновременно и упрощают его, и скрывают реальные механизмы кодирования и декодирования сооб щений (по К. Шеннону). В такой ситуации характеристики субъекта (акто ра) коммуникации размываются, и в качестве такового предстает не сам актор, но его инструмент, а ...
Добавлено: 2 октября 2025 г.
Cherednichenko O., Попцова М. С., Computers in Biology and Medicine 2025 Vol. 184 Article 109440
Добавлено: 11 марта 2025 г.
Боголепова С. В., Жаркова М. Г., Отечественная и зарубежная педагогика 2024 Т. 1 № 5(101) С. 123–137
В эпоху интенсивного развития генеративных языковых моделей эти инструменты все больше используются преподавателями и студентами. Данная работа посвящена исследованию потенциала использования генеративных моделей, взаимодействующих с пользователем посредством чат-ботов ChatGPT и PerplexityAI, для оценки студенческих эссе, написанных в формате стандартизированного экзамена по английскому языку, и формулировки обратной связи по качеству студенческих работ. С учетом специфики каждого ...
Добавлено: 28 октября 2024 г.
Bobkov D., Titov V., Аланов А. и др., , in: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2024.: IEEE, 2024. P. 9337–9346.
The task of manipulating real image attributes through StyleGAN inversion has been extensively researched. This process involves searching latent variables from a well-trained StyleGAN generator that can synthesize a real image modifying these latent variables and then synthesizing an image with the desired edits. A balance must be struck between the quality of the reconstruction ...
Добавлено: 10 июля 2024 г.
Рогачев А. И., Ратников Ф. Д., Computing and Software for Big Science 2024 Vol. 8 No. 1 Article 12
In this paper, we explore the use of Generative Adversarial Networks (GANs) to speed up the simulation process while ensuring that the generated results are consistent in terms of physics metrics. Our main focus is the application of spectral normalization for GANs to generate electromagnetic calorimeter (ECAL) response data, which is a crucial component of ...
Добавлено: 2 июля 2024 г.
Тяпкин Д. Н., Морозов Н. В., Наумов А. А. и др., , in: Proceedings of The 27th International Conference on Artificial Intelligence and Statistics (AISTATS 2024), 2-4 May 2024, Palau de Congressos, Valencia, Spain. PMLR: Volume 238Vol. 238.: Valencia: PMLR, 2024. P. 4213–4221.
Добавлено: 22 июня 2024 г.
Рогачев А. И., Ратников Ф. Д., EPJ Web of Conferences 2024 Vol. 295 Article 09007
Добавлено: 20 мая 2024 г.
Егоров Е. А., Рогачев А. И., Доклады Российской академии наук. Математика, информатика, процессы управления (ранее - Доклады Академии Наук. Математика) 2023 Т. 514 № 2 С. 49–59
При использовании для обучения генеративно-состязательных сетей (GAN) функции потерь, основанной на расстоянии Вассерштейна (т.н. Wasserstein GAN), теоретически необходимым является ограничение выразительной способности дискриминатора (нормализация дискриминатора). Такое ограничение повышает стабильность обучения GAN ценой меньшей выразительности итоговой модели. Спектральная нормализация является одним из алгоритмов нормализации и заключается в применении фиксированной операции независимо к каждому слою дискриминатора. Однако ...
Добавлено: 30 ноября 2023 г.
Аланов А., Titov V., Nakhodnov M. и др., , in: 2023 IEEE/CVF International Conference on Computer Vision (ICCV).: IEEE, 2023. P. 2184–2194.
Добавлено: 21 июня 2023 г.
Polykovskiy D., Zhebrak A., Sanchez-Lengeling B. и др., Frontiers in Pharmacology 2020 Vol. 11 P. 1–10
Добавлено: 21 апреля 2021 г.
Пучкин Н. А., Самсонов С. В., Беломестный Д. В. и др., Journal of Machine Learning Research 2024 Vol. 25 No. 29 P. 1–47
Добавлено: 24 февраля 2021 г.
Sergeev F., Jain N., Kostenkov G. и др., Journal of Physics: Conference Series 2021 No. 1740 Article 012028
Добавлено: 25 января 2021 г.