Образование и право2076-150310.24412/2076-1503-2026-6-936-946OtherРОЛЬ ДАТАСЕТОВ И ЭКСПЕРТНОГО ВЫБОРА МЕТОДОВ В ОБУЧЕНИИ НЕЙРОСЕТЕЙTHE ROLE OF DATASETS AND EXPERT CHOICE OF METHODS IN TRAINING NEURAL NETWORKSСеменовАлександр АлександровичSemenovAleksandr Aleksandrovichmail@law-books.ruГончарВладимир ВладимировичGoncharVladimir Vladimirovichvg0778@bk.ruChief Researcher, Federal State Budgetary Institution “STIS”, of the Ministry of Internal Affairs of the Russian Federationнаучный сотрудник ФКУ НПО «СТиС» МВД РоссииAssociate Professor, Department of Information Technology and Cybercrime, Investigation Moscow Academy of the Investigative Committee, of the Russian Federation named after A. Ya. SukharevДоцент кафедры информационных технологий и, организации расследования киберпреступлений, Московская академия Следственного комитета, Российской Федерации имени А.Я. Сухарева0101202669369460706202629062026

В работе рассматривается значимость датасета и экспертных знаний в процессе обучения нейросетей. Показано, что качество и структура данных во многом определяют возможность решения задачи, точность модели и характер ошибок. Описыва ются критерии оценки данных, используемые специалистами по машинному обучению, а также проводится сопоставление процессов обучения нейросетей и человека. Делается акцент на том, что выбор подхода к обучению выходит за рамки настройки алгоритмов оптимизации и требует глубокого понимания природы данных

This paper examines the importance of datasets and expert knowledge in training neural networks. It is shown that the quality and structure of data largely determine the feasibility of solving a problem, the accuracy of a model, and the nature of errors. The paper describes the data evaluation criteria used by machine learning specialists and compares the training processes of neural networks and humans. Itemphasizes that the choice of training approach goes beyond tuning optimization algorithms and requires a deep understanding of the nature of the data

машинное обучениенейросетидатасетобучение моделейкаче ство данныхкомпьютерное зрениеэкспертные знанияградиентный спусканализ дан ныхобобщающая способностьошибки моделиmachine learningneural networksdatasetsmodel trainingdata qualitycomput ervisionexpert knowledgegradient descentdata analysisgeneralization abilitymodel errorsChen Zhang, Joohee KimVideo object detection with two-path convolutional LSTM pyramid. 2016. – URL: https://www.researchgate.net/publica tion /343702579_Video_Object_Detection_With_ Two-Path_ Convolutional_LSTM_ Pyramid/fulltex t/5f3b2658928 51cd302013482/Video-Object-Detec tion-With-Two-Path-Convolutional-LSTM-Pyramid. pdf/ (дата обращения: 16.01.2026).Chen Zhang, Joohee KimVideo object detection with two-path convolutional LSTM pyramid. 2016. – URL: https://www.researchgate.net/publica tion /343702579_Video_Object_Detection_With_ Two-Path_ Convolutional_LSTM_ Pyramid/fulltex t/5f3b2658928 51cd302013482/Video-Object-Detec tion-With-Two-Path-Convolutional-LSTM-Pyramid. pdf/ (дата обращения: 16.01.2026).Hanson A., Koutilya PNVR, Sanjukta Krishnagopal, Larry Davis Bidirectional Convolutional LSTM for the Detection of Violence in Videos. 2018. – URL: https://openaccess.thecvf.com/content_ eccv_2018_workshops/w10 /html/Hanson_Bidirec tional_Convolutional_LSTM_or_the_ Detection_of_ Violence_in_ Videos_ ECCVW_2018_paper.html (дата обращения: 15.01.2026).Hanson A., Koutilya PNVR, Sanjukta Krishnagopal, Larry Davis Bidirectional Convolutional LSTM for the Detection of Violence in Videos. 2018. – URL: https://openaccess.thecvf.com/content_ eccv_2018_workshops/w10 /html/Hanson_Bidirec tional_Convolutional_LSTM_or_the_Detection_of_ Violence_in_ Videos_ ECCVW_2018_paper.html (дата обращения: 15.01.2026).Howard A.G., Menglong Zhu, BoChen, Kalenichenko D. MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications. 2017. - URL: https://arxiv.org/pdf/1704.04861/ (access date: 11.01.2026).Howard A.G., Menglong Zhu, BoChen, Kalenichenko D. MobileNets: Efficient Convolutional 945 ОБРАЗОВАНИЕ И ПРАВО № 6 • 2026 ЦИФРОВОЕ ПРАВО Neural Networks for Mobile Vision Applications. 2017. – URL: https://arxiv.org/pdf/1704.04861/ (дата обращения: 11.01.2026).Iandola F.N., Han S., Moskewicz M.W., Ashraf K., Dally W.J., Keutzer K. SqueezeNet: Alex Net-level accuracy with 50x fewer parameters andIandola F.N., Han S., Moskewicz M.W., Ashraf K., Dally W.J., Keutzer K. SqueezeNet: Alex Net-level accuracy with 50x fewer parameters andIoffe S., Szegedy C. Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift. 2015. – URL: https://arxiv. org/pdf/1502.03167/ (access date: 13.01.2026).Ioffe S., Szegedy C. Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift. 2015. – URL: https://arxiv. org/pdf/1502.03167/ (дата обращения: 13.01.2026).Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian SunDeep Residual Learning for Image Recogni tion. 2015. – URL: https://arxiv.org/pdf/1512.03385 (access date: 11.01.2026).Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian SunDeep Residual Learning for Image Recogni tion. 2015. – URL: https://arxiv.org/pdf/1512.03385 (дата обращения: 11.01.2026).Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian SunSpatial pyramid pooling in deep convolu tional networks for visual recognition. 2015. - URL: https://arxiv.org/pdf/1406.4729/ (access date: 11.01.2026).Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian SunSpatial pyramid pooling in deep convolu tional networks for visual recognition. 2015. – URL: https://arxiv.org/pdf/1406.4729/ (дата обращения: 11.01.2026).Krizhevsky I., Sutskever I., Hinton G.E. Imagenet classification with deep convolutional neural networks. 2012. - URL: https://proceedings.neurips. cc/paper_files/paper/2012/file/c399862d3b9d 6b76c8436e 924a68c45b-Paper.pdf (accessed on: 12.01.2026).Krizhevsky I., Sutskever I., Hinton G.E. Imagenet classification with deep convolutional neural networks. 2012. – URL: https://proceedings.neurips. cc/paper_files/paper/2012/file/c399862d3b9d 6b76c8436e 924a68c45b-Paper.pdf (дата обращения: 12.01.2026).Lavin A., Scott Gray Fast Algorithms for Convolutional Neural Networks. 2015. - URL: https:// arxiv.org/abs/1509.09308 (access date: 11.01.2026).Lavin A., Scott Gray Fast Algorithms for Convolutional Neural Networks. 2015. – URL: https:// arxiv.org/abs/1509.09308 (дата обращения: 11.01.2026).Mikolov T., KaiChen, Corrado G., Jeffrey Dean Efficient Estimation of Word Representations in Vector Space. 2013. – URL: https://arxiv.org/ abs/1301.3781 (access date: 15.01.2026).Mikolov T., KaiChen, Corrado G., Jeffrey Dean Efficient Estimation of Word Representations in Vector Space. 2013. – URL: https://arxiv.org/ abs/1301.3781 (дата обращения: 15.01.2026).Norman P. Jouppi, Cliff Young, Nishant Patil and others In-Datacenter Performance Analysis of a Tensor Processing Unit. 2017. – URL: https:// arxiv.org/pdf/1704.04760 (access date: 11.01.2026).Norman P. Jouppi, Cliff Young, Nishant Patil and others In-Datacenter Performance Analysis of a Tensor Processing Unit. 2017. – URL: https:// arxiv.org/pdf/1704.04760 (дата обращения: 11.01.2026).Ronneberger O., Fischer Ph., Brox Th. U-Net: Convolutional Networks for Biomedical Image Segmentation. 2015. – URL: https://arxiv.org/ pdf/1505.04597/ (access date: 13.01.2026).Ronneberger O., Fischer Ph., Brox Th. U-Net: Convolutional Networks for Biomedical Image Segmentation. 2015. – URL: https://arxiv.org/ pdf/1505.04597/ (дата обращения: 13.01.2026).Szegedy C., Wei Liu, Chapel Hill, Yangqing Jia, Pierre Sermanet, Scott Reed, Dragomir Angue lov, Dumitru Erhan, Vincent Vanhoucke, Andrew Rabinovich Going Deeper with Convolutions. 2014. – URL: https://arxiv.org/pdf/1409.4842 (accessed on: 12.01.2026)Szegedy C., Wei Liu, Chapel Hill, Yangqing Jia, Pierre Sermanet, Scott Reed, Dragomir Angue lov, Dumitru Erhan, Vincent Vanhoucke, Andrew Rabinovich Going Deeper with Convolutions. 2014. – URL: https://arxiv.org/pdf/1409.4842 (дата обращения: 12.01.2026)Simonyan K., Zisserman A. Very Deep Convolutional Networks for Large-Scale Image Recognition. 2015. Published as a conference paper at ICLR 2015. - URL: https://arxiv.org/pdf/1409.1556 (access date: 10.01.2026).Simonyan K., Zisserman A. Very Deep Convolutional Networks for Large-Scale Image Recognition. 2015. Published as a conference paper at ICLR 2015. – URL: https://arxiv.org/pdf/1409.1556 (дата обращения: 10.01.2026).Wei Liu, Anguelov D., Erhan D., Szegedy C., Reed S., Cheng-Yang Fu, Berg A.C. SSD: Single Shot MultiBox Detector. 2016. – URL: https://arxiv. org/pdf/1512.02325 (access date: 11.01.2026).Wei Liu, Anguelov D., Erhan D., Szegedy C., Reed S., Cheng-Yang Fu, Berg A.C. SSD: Single Shot MultiBox Detector. 2016. – URL: https://arxiv. org/pdf/1512.02325 (дата обращения: 11.01.2026).ONNX official website. – URL: https://onnx. ai/.Официальный сайт ONNX. – URL: https:// onnx.ai/.Fundamentals of artificial intelligence tech nologies: a textbook/A.A. Semenov, V.V. Gonchar, A.S. Erdniev. - Moscow University of the Ministry of Internal Affairs of Russia named after V.Ya, Kikotya, 2025. - 190s.Основы технологий искусственного интеллекта: учебное пособие/ А.А. Семенов, В.В. Гончар, А.С. Эрдниев. – Московский университет МВДРоссии имени В.Я, Кикотя, 2025. – 190с.Financial monitoring: training manual/V.I. Glotov, A.U. Albekov, O.N. Tisen et al. - KnoRus, 2022. - 198 s.Финансовый мониторинг: учебное посо бие / В.И. Глотов, А.У. Альбеков, О.Н. Тисен и др. – КноРус, 2022. – 198 с.Tisen O.N. Countering modern methods and methods of recruitment to international terrorist organizations//Russian Justice. 2018, №9. S. 51-54.Тисен О.Н. Противодействие современ нымприемам и способам вербовки в международ ныетеррористические организации // Российская юстиция. 2018, №9. С. 51-54.Ovchinsky A.S., Avetisyan K.R. Audio effects on participants of mass events as an object of administrative and legal regulation//Bulletin of the Moscow University of the Ministry of Internal Affairs. 2015. № 1-. S. 293-297.Овчинский А.С., Аветисян К.Р. Аудиаль ныевоздействия на участников массовых меро приятий как объект административно-правового регулирования// Вестник Московского универси тета МВД. 2015. № 1-. С. 293-297.Ziborov O.V., Avetisyan K.R. An integrated approach to confronting the organization of mass riots//Bulletin of the Moscow University of the Ministry of Internal Affairs. 2023. № 7. S. 100-104.Зиборов О.В., Аветисян К.Р. Комплекс ныйподход при противоборстве организации массовых беспорядков// Вестник Московского универ ситета МВД. 2023. № 7. С. 100-104.