Участник:Aleksandra.Tokmakova

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Отчет о научно-исследовательской работе за 8 семестр)
(Отчет о научно-исследовательской работе за 8 семестр)
Строка 6: Строка 6:
Mailto: aleksandra-tok@yandex.ru
Mailto: aleksandra-tok@yandex.ru
 +
 +
== Отчет о научно-исследовательской работе за 6 семестр==
 +
 +
'''Название'''
 +
 +
Выделение периодической компоненты из временного ряда
 +
 +
'''Аннотация'''
 +
 +
В проекте исследуется временной ряд на наличие периодической компоненты. На основе теории о рядах Фурье строится тригонометрическая интерполяция предложенных временных рядов методом наименьших квадратов. Также производится оценка параметров функции метода наименьших квадратов в зависимости от качества прогнозирования. В вычислительном эксперименте приводятся результаты работы корреляционной функции и метода наименьших квадратов на зашумлённом модельном синусе и реальном временном ряде электрокардиограммы.
 +
 +
''Ключевые слова:'' корреляционная функция, тригонометрическая интерполяция, метод наименьших квадратов, периодическая компонента.
 +
 +
'''Публикации'''
 +
 +
#{{Статья|BibtexKey = Tokmakova2011Periodic
 +
|автор = А.А.Токмакова
 +
|название = Выделение периодической компоненты из временного ряда
 +
|журнал = Машинное обучение и анализ данных
 +
|год = 2011
 +
|номер = 1
 +
|ISSN = 2223-3792
 +
|язык = russian
 +
|страницы = 40-50
 +
|url = https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Tokmakova2011Periodic
 +
}}
== Отчет о научно-исследовательской работе за 8 семестр==
== Отчет о научно-исследовательской работе за 8 семестр==
Строка 19: Строка 45:
''Ключевые слова:'' регрессия, выбор признаков, распределение параметров, оценка гипертараметров, байесовский вывод.
''Ключевые слова:'' регрессия, выбор признаков, распределение параметров, оценка гипертараметров, байесовский вывод.
-
'''Список публикаций'''
+
'''Публикации'''
-
#{{Статья|BibtexKey = Tokmakova2012Hyperpar
+
#{{Статья|BibtexKey = ZaytsevTokmakova2012Likelihood
|автор = А.А.Токмакова и А.А.Зайцев
|автор = А.А.Токмакова и А.А.Зайцев
|название = Оценка гиперпараметров регрессионных моделей методом максимального правдоподобия
|название = Оценка гиперпараметров регрессионных моделей методом максимального правдоподобия

Версия 12:27, 29 мая 2012

МФТИ, ФУПМ

Кафедра "Интеллектуальные системы"

Направление "Интеллектуальный анализ данных"

Mailto: aleksandra-tok@yandex.ru

Отчет о научно-исследовательской работе за 6 семестр

Название

Выделение периодической компоненты из временного ряда

Аннотация

В проекте исследуется временной ряд на наличие периодической компоненты. На основе теории о рядах Фурье строится тригонометрическая интерполяция предложенных временных рядов методом наименьших квадратов. Также производится оценка параметров функции метода наименьших квадратов в зависимости от качества прогнозирования. В вычислительном эксперименте приводятся результаты работы корреляционной функции и метода наименьших квадратов на зашумлённом модельном синусе и реальном временном ряде электрокардиограммы.

Ключевые слова: корреляционная функция, тригонометрическая интерполяция, метод наименьших квадратов, периодическая компонента.

Публикации

  1. А.А.Токмакова Выделение периодической компоненты из временного ряда // Машинное обучение и анализ данных. — 2011. — № 1. — С. 40-50. — ISSN 2223-3792.
BibTeX:
 @article{Tokmakova2011Periodic,
   author = "А.А.Токмакова",
   title = "Выделение периодической компоненты из временного ряда",
   journal = "Машинное обучение и анализ данных",
   number = "1",
   pages = "40-50",
   url = "https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Tokmakova2011Periodic",
   year = "2011",
   language = russian
 }

Отчет о научно-исследовательской работе за 8 семестр

Название

Оценка гиперпараметров линейных регрессионных моделей методом максимального правдоподобия при отборе шумовых и коррелирующих признаков

Аннотация

Рассматривается задача выбора регрессионной модели. Предполагается, что вектор параметров модели − многомерная случайная величина с независимо распределёнными компонентами. В работе предложен способ оптимизации праметров и гиперпараметров. Приведены явные оценки гиперпараметров для случая линейных и нелинейных моделей. Показано как полученные оценки используются для отбора признаков. Предложенный подход сравнивается с подходом, использующим для лценки гиперпараметров аппроксимацию Лапласа.

Ключевые слова: регрессия, выбор признаков, распределение параметров, оценка гипертараметров, байесовский вывод.

Публикации

  1. А.А.Токмакова и А.А.Зайцев Оценка гиперпараметров регрессионных моделей методом максимального правдоподобия // Информационные технологии. — 2012. — № 4. — ISSN 1684-6400.
BibTeX:
 @article{ZaytsevTokmakova2012Likelihood,
   author = "А.А.Токмакова и А.А.Зайцев",
   title = "Оценка гиперпараметров регрессионных моделей методом максимального правдоподобия",
   journal = "Информационные технологии",
   number = "4",
   year = "2012",
   language = russian
 }
  1. А.А.Токмакова и А.А.Зайцев Оценка гиперпараметров линейных регрессионных моделей методом максимального правдоподобия при отборе шумовых и коррелирующих признаков // Машинное обучение и анализ данных. — 2012. — № 3. — С. 347-353. — ISSN 2223-3792.
BibTeX:
 @article{Tokmakova2012Hyperpar,
   author = "А.А.Токмакова и А.А.Зайцев",
   title = "Оценка гиперпараметров линейных регрессионных моделей методом максимального правдоподобия при отборе шумовых и коррелирующих признаков",
   journal = "Машинное обучение и анализ данных",
   number = "3",
   pages = "347-353",
   url = "https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Zaytsev2012MasThesis/True_likelihood",
   year = "2012",
   language = russian
 }

Доклады на научных конференциях

2012, апрель. Участие в XIX Международной конференции студентов, аспирантов и молодых ученых «Ломоносов» с работой «Оценка ковариационных матриц параметров модели при восстановлении линейной регрессии»

Гранты

«Оценивание гиперпараметров линейных регрессионных моделей при отборе шумовых и коррелирующих признаков», ПГАС

Личные инструменты