Доклад посвящён задаче обучения упорядоченных представлений данных без использования разметки. Предлагается подход, основанный на самообучении (self-supervised learning) и теории спектра графов, который аппроксимирует функцию семантической схожести между объектами с помощью нейронных сетей. В отличие от методов с учителем, подход использует матрицу смежности и собственные функции оператора схожести для получения упорядоченных представлений, сохраняющих структурные свойства данных, такие как иерархия и связность. Это позволяет применять их для кластеризации и построения иерархической разметки. Обсуждаются методы аппроксимации собственных функций нейронными сетями и их роль в моделировании сложных данных.

Рыков А.Г. (науч. рук. Муравьёв С.Б.) Обучение упорядоченных представлений без разметки // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2025]. URL: https://kmu.itmo.ru/digests/article/15284