Изучение и развитие методов обучения с подкреплением и глубинного обучения для задач анализа и генерации текстов и изображений

Цель НИР заключается в изучении методов интерпретации сложных моделей, повышение качества генерации текстовых описаний объектов, развитие методов генерации факторов для финансовых моделей по транзакционным данным и развитие возможностей направленного удаления информации из больших объёмов данных. Задачи: Разработать метод интерпретации предсказаний нейросетевого классификатора на основе выделения значимых признаков и групп признаков классифицируемого объекта. Разработать метод интерпретации предсказаний нейросетевого классификатора на естественном языке с помощью вспомогательной модели. Сформировать модель генерации текстового описания слова на основе его векторного представления. Разработать архитектуру нейроспецифичной модели чат-бота и описать особенности её обучения на неразмеченных данных. Разработать модель генерации разреженных и бинарных представлений для данных фиксированной длины. Провести исследования в области современных методов обучения с подкреплением. Разработать метод направленного удаления информации из данных с помощью генеративных конкурентных сетей.