Показано что использование априорной информации о геометрии объемлющих пространств позволяет улучшить качество решения задач машинного обучения. В настоящее время развитие получили методы геометрического глубокого обучения позволяющие извлекать признаки из данных в виде графов и многообразий. В рамках проекта студенты получат представление о теоретических основах, реализации и развитии геометрических методов глубокого обучения.

В рамках проекта студенты получат представление о теоретических основах анализа данных в неевклидовых пространствах, практические навыки в реализации и развитии геометрических методов глубокого обучения на многообразиях, включая пространство положительно-определенных матриц и/или многообразия Грассмана и их применение в анализе данных.

Прохождения контрольных точек по пунктам 1-3 ожидаемых результатов и форме их представления.

1) Написание обзора и теоретической части. 2) Программа, реализующая один из методов на выбор. 3) Применение реализованного метода к анализу данных и описание результатов.

Особые требования отсутствуют.

Проведен анализ существующих подходов к построению моделей глубокого обучения на многообразиях.