Организация, в которой проходила защита:
Московский государственный технический университет Н.Э. Баумана
Год защиты:2022
Аннотация:Целью данной выпускной квалификационной работы является построение рекомендательных систем с помощью нейронных дифференциальных уравнений и изучение ее эффективности в сравнении с наиболее популярной моделью LightGCN.
В рамках работы было проведено исчерпывающее теоретическое исследование основ машинного обучения, нейронных сетей различной архитектуры – сверточных, графовых и других, были рассмотрены различные способы построения рекомендательных систем. Так же был проведен анализ методов, основанных на дифференциальных уравнениях в нейросетевом моделировании. Была построена модель для получения вложений пользователей и объектов в рамках задач рекомендаций с помощью нейронных дифференциальных уравнений. Проведен сравнительный анализ данного метода с самым популярным из ныне существующих в рамках этой сферы моделирования – LightGCN.
Работа содержит 101 страницу, 5 глав, 29 иллюстраций, 3 таблицы.