Стійкість нейронних дерев рішень до шуму у вхідних даних

Loading...
Thumbnail Image
Date
2024
Authors
Мокрий, Михайло
Journal Title
Journal ISSN
Volume Title
Publisher
Національний університет "Києво-Могилянська академія"
Abstract
Матеріали доповiді учасника 15 міжнародної науково-практичної конференції "Теоретичні та прикладні аспекти побудови програмних систем", Київ, 23-24 грудня 2024 р.
Description
This work investigates neural decision trees, a hybrid architecture that connects convolutional neural networks (CNN) and decision trees (DTs), and the robustness of this architecture to noise in input data. Experimental validation is performed on the common image classification task on CIFAR-10 dataset. Natural and images augmented with Gaussian blur are used as test input data, while models are trained with natural images. For experimental purposes a variety of neural decision tree models are used: Soft Decision Tree (SDT), Neural Decision Forest (NDF), and Neural Backed Decision Trees (NBDT). Additionally, we test a naive implementation of CNN features-based decision tree, and a corresponding ensemble model Random Forest (RF). The results of accuracy drop on noise images of neural decision trees models are compared with a ResNet18 model baseline metrics.
Keywords
машинне навчання, стійкість моделі, глибокі нейронні мережі, матеріали конференції
Citation
Мокрий М. В. Стійкість нейронних дерев рішень до шуму у вхідних даних / Мокрий М. В. // Теоретичні та прикладні аспекти побудови програмних систем : працi 15 міжнародної науково-практичної конференції, Київ, 23-24 грудня 2024 р. / [за заг. ред.: М. М. Глибовця, Т. В. Панченка та iн. ; Факультет інформатики Національного університету "Києво-Могилянська академія" та ін.]. - Київ : НаУКМА, 2024. - C. 32-33.