Аннотация:
В докладе будет дан обзор нескольких основных направлений исследований в машинном обучении, а также применению этих технологий в задачах математического моделирования и решения обратных задач.
Методы глубокого обучения помогли достичь замечательных результатов в области распознавания изображений, текстов и многих других. Однако, большой вопрос состоит в оценке качества получаемых моделей с точки зрения надежности, устойчивости к малым возмущениям и к злонамеренным атакам. На данный момент, устойчивых архитектур и подходов нет, а известные оценки слишком "слабые".
При этом, применение машинного обучения в моделировании набирает новые обороты. Мы обсудим теорию о принципиальной возможности приближать решение различных классов уравнений с помощью глубоких нейронных сетей, а также алгоритмы построения таких аппроксимаций.
