В статье проверяется гипотеза применимости нейросетевых автокодировщиков как метод векторного сжатия для задачи приближенного поиска ближайших соседей. Проверка проводилась на нескольких больших датасетах с различными архитектурами автокодировщиков и индексов. Она показала, что, хотя ни одна из комбинаций автокодировщиков и индексов не может полностью превзойти чистые решения, в некоторых случаях они могут быть полезными. Мы также выявили некоторые эмпирические связи оптимальной размерности скрытого слоя и внутренней размерности наборов данных. Было также показано, что функция потерь является определяющим фактором качества сжатия.
DOI: 10.15514/ISPRAS-2024-36(1)-1
Скачать статью (PDF) или читать онлайн на официальном сайте: https://ispranproceedings.elpub.ru/jour/article/view/1685
Cкачать журнал (PDF) или читать онлайн на официальном сайте: https://ispranproceedings.elpub.ru/jour/issue/viewIssue/116/154
Скачать статью (PDF) на сайте ИСП РАН: https://www.ispras.ru/proceedings/isp_36_2024_1/isp_36_2024_1_7/
Скачать статью (PDF) в eLibrary (требуется регистрация): https://elibrary.ru/item.asp?id=67209307
Буянов И. О., Ядринцев В. В., Соченков И. В. Нейросетевые методы сжатия векторов для задачи приближенного поиска ближайших соседей // Труды Института системного программирования РАН. 2024;36(1):7-22.