Участник:Aleksandra.Tokmakova
Материал из MachineLearning.
(→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. | ||
- | ''' | + | '''Публикации''' |
- | #{{Статья|BibtexKey = | + | #{{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
- 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
- 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 } |
- 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