Глубокие порождающие модели для поиска аномалий = : Deep generative models for anomaly detection

Другие работы по этой специальности

1. Единый подход к объяснению множеств правил, деревьев решений и ансамблей деревьев решений, основанный на анализе формальных понятий

   Дудырев, Егор Олегович · 2026 · Канд. наук · «Национальный исследовательский университет «Высшая школа экономики» ; Диссовет Диссертационный совет по компьютерным наукам

   • 1.2.1 Искусственный интеллект и машинное обучение
2. Методология тестирования моделей предсказания химических свойств молекул

   Храбров, Кузьма Андреевич · 2026 · Канд. наук · «Национальный исследовательский университет «Высшая школа экономики» ; Диссовет Диссертационный совет по компьютерным наукам

   • 1.2.1 Искусственный интеллект и машинное обучение
3. Разработка и исследование методов навигации интеллектуальных агентов на основе мультимодальных представлений сцен

   Земскова, Татьяна Сергеевна · 2026 · Канд. наук · Московский физико-технический институт (национальный исследовательский университет) ; Диссовет ФПМИ.1.2.1.025

   • 1.2.1 Искусственный интеллект и машинное обучение
4. Выделение носителя распределения обучающих данных как инструмент формирования доверия к глубоким моделям машинного обучения

   Лукьянов, Кирилл Сергеевич · 2026 · Канд. наук · «Московский физико-технический институт (национальный исследовательский университет)» ; Диссовет ФПМИ.1.2.1. 023

   • 1.2.1 Искусственный интеллект и машинное обучение
5. Гибридные модели нейронных сетей с модулями деформируемого внимания для семантической сегментации и обнаружения изменений на изображениях

   Отырба, Ростислав Русланович · 2026 · Канд. наук · «Воронежский государственный университет» ; Диссовет 24.2.288.11

   • 1.2.1 Искусственный интеллект и машинное обучение

Все работы по специальности