Аннотация:Автоматическая классификация объектов применима в самых разных задачах.
Сегодня алгоритмы машинного обучения внедряют в медицину, образование и в другие
важные направления. Необходимо решать задачи с высокой точностью, причем зача-
стую важна интерпретируемость моделей, чтобы была полная ясность, на основании
чего модели принимают решения. Сиамские нейронные сети – одно из современных
и популярных семейств моделей машинного обучения, которые способны решать по-
добные задачи. В этой работе предлагаются несколько механизмов, модифицирующих
стандартный подход. Будет пересмотрен формат обучения нейронных сетей. Исполь-
зуя дополнительную информацию об иерархии и неравнозначности объектов, можно
повысить качество классификации. На разных типах данных будет продемонстрирова-
но преимущество предложенного подхода над стандартными реализациями.