Участник:Mikethehuman

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Весна 2012, 10-й семестр)
(Осень 2011, 9-й семестр)
Строка 57: Строка 57:
''Для решения задачи распознавания вторичной структуры белков предложен алгоритм кластеризации подпоследовательности аминокислотных остатков. Для выявления кластеров используются парные расстояния между подпоследовательностями. Отличительной особенностью алгоритма является то, что не требуется строить полную матрицу парных расстояний, что снижает сложность вычислений. При кластеризации рассматриваются только ранги расстояний между подпоследовательностями. Работа алгоритма проиллюстрирована синтетическими данными и данными из базы UniProt.''
''Для решения задачи распознавания вторичной структуры белков предложен алгоритм кластеризации подпоследовательности аминокислотных остатков. Для выявления кластеров используются парные расстояния между подпоследовательностями. Отличительной особенностью алгоритма является то, что не требуется строить полную матрицу парных расстояний, что снижает сложность вычислений. При кластеризации рассматриваются только ранги расстояний между подпоследовательностями. Работа алгоритма проиллюстрирована синтетическими данными и данными из базы UniProt.''
-
 
-
'''Integral Indicators and Expert Estimations of Ecological Impact'''
 
-
 
-
''To compare objects or alternative decisions one must evaluate a quality of each object. A real-valued scalar, which is corresponded to the object, is called an integral indicator. The integral indicator of the object is a convolution of the object features. Expert estimations of one expert or an expert group could be indicators, too. We consider a problem of indicator construction as following. There is a set of objects, which should be compared according to a certain quality criterion. A set of features describes each object. This two sets are given together with an «object/feature» matrix of measured data. We accept a linear model of the convolution: the integral indicator is the linear combination of features and their weights. To do that we use the expert estimates of both indicators and weights in
 
-
rank scales. To compute indicators according to the linear model, one can use the expert set of weights. Our goal is to match the estimated and the computed integral indicators by maximizing a rank correlation between them. We consider the set of the estimated indicators and the set of the estimated weights as two cones in spaces of indicators and weights, respectively. Our goal is to find the set of weights such that the distance between this set and the cone of the expert-given weights must be minimum. Using the found weights we compute the set of indicators such that the distance between this computed set and the cone of the expert-given indicators must be minimum, as well. This methodology is used for the Clean Development Mechanism project evaluation. The project partners have to prove that their project can yield
 
-
emission reductions in developing countries. The proposed integral indicators are intended to evaluate the environmental impact of this projects.''
 
'''Публикации'''
'''Публикации'''

Версия 19:10, 11 декабря 2012

Кузнецов Михаил Павлович

МФТИ, ФУПМ

Кафедра "Интеллектуальные системы"

Направление "Интеллектуальный анализ данных"

mikhail.kuznecov@phystech.edu


Содержание

Отчеты о научно-исследовательской работе

Весна 2010, 6-й семестр

Прореживание двухслойной нейронной сети

Прореживание двухслойной нейронной сети (optimal brain damage) — метод упрощения структуры нейронной сети. Идея прореживания состоит в том, что из сети удаляются параметры, оказывающие малое влияние на ошибку аппроксимации. Таким образом, модель упрощается, а ошибка аппроксимации возрастает незначительно.

Осень 2010, 7-й семестр

Оценка эффективности природоохранных программ

Описан способ построения интегральных индикаторов качества объектов с использованием экспертных оценок и измеряемых данных. Каждый объект описан набором признаков в линейных шкалах. Используются экспертные оценки качества объектов и важности признаков, которые корректируются в процессе вычисления. Предполагается, что оценки выставлены в ранговых шкалах. Рассматривается задача получения таких интегральных индикаторов, которые не противоречили бы экспертным оценкам. Предложено два алгоритма уточнения экспертных оценок.

Весна 2011, 8-й семестр

Ядерное сглаживание

Целью проекта является прогноз временного ряда на несколько отсчетов методом ядерного сглаживания. Для достижения наилучшего качества прогноза используется выбор параметров модели.

Стилевая правка

Целью данной технологической карты является указание последовательности действий при проверке кода корректором и основные ошибки руководителей проектов.

Выпускная квалификационная работа бакалавра

Описан способ построения интегральных индикаторов качества объектов с использованием экспертных оценок и измеряемых данных. Каждый объект описан набором признаков в линейных шкалах. Используются экспертные оценки качества объектов и важности признаков, которые корректируются в процессе вычисления. Предполагается, что оценки выставлены в ранговых шкалах. Рассматривается задача получения таких интегральных индикаторов, которые не противоречили бы экспертным оценкам. Предложено два подхода к уточнению экспертных оценок. При первом подходе вектор экспертных оценок рассматривается как выпуклый многогранный конус. Для уточнения экспертных оценок минимизируется расстояние между векторами в конусах. При втором подходе используется задача монотонной интерполяции с гиперпараметром. Проведен вычислительный эксперимент на следующих данных: экспертами оценивался фактор экологического воздействия на окружающую среду хорватских электростанций. Проведена процедура уточнения экспертных оценок.

Публикации

М.П.Кузнецов, А.А.Мафусалов, Н.К.Животовский, Е.Ю.Зайцев, Д.С.Сунгуров Сглаживающие алгоритмы прогнозирования // Машинное обучение и анализ данных — 2011. — № 1. — C. 104-112. — ISSN 2223-3792 (опубликовано)

А.Н.Фирстенко, Д.С.Кононенко, М.П.Кузнецов, А.А.Морозов, Д.С.Сунгуров, Н.А.Савинов, А.И.Корниенко, Р.Б.Джамтырова, Н.П.Ивкин, Е.Ю.Зайцев, Н.К.Животовский, Д.С.Кононенко, Р.Б.Быстрый Технологические карты разработки библиотеки алгоритма прогноза временных рядов // Машинное обучение и анализ данных — 2011. — № 1. — C. 113-121. — ISSN 2223-3792 (опубликовано)

М.П.Кузнецов, В.В.Стрижов Уточнение ранговых экспертных оценок с использованием монотонной интерполяции // Математические методы распознавания образов ММРО-15 — 2011. — C. 162-165 — ISSN 978-5-317-03787-1 (опубликовано)

Гранты

Высокоуровневые модели параллельных вычислений и их библиотеки поддержки времени выполнения. Для решения задачи распознавания вторичной структуры белков предложен алгоритм кластеризации подпоследовательности аминокислотных остатков. Совместно с ИСП РАН, № 2011-1.4-2.4-ИР1

Осень 2011, 9-й семестр

Метрическая кластеризация последовательностей аминокислотных остатков в ранговых шкалах

Для решения задачи распознавания вторичной структуры белков предложен алгоритм кластеризации подпоследовательности аминокислотных остатков. Для выявления кластеров используются парные расстояния между подпоследовательностями. Отличительной особенностью алгоритма является то, что не требуется строить полную матрицу парных расстояний, что снижает сложность вычислений. При кластеризации рассматриваются только ранги расстояний между подпоследовательностями. Работа алгоритма проиллюстрирована синтетическими данными и данными из базы UniProt.

Публикации

М.П.Кузнецов Уточнение ранговых экспертных оценок с использованием монотонной интерполяции // Машинное обучение и анализ данных. — 2011. — № 2. — C. 154-162. — ISSN 2223-3792 (опубликовано)

М.П.Кузнецов Уточнение ранговых экспертных оценок с использованием монотонной интерполяции и конусов // Труды МФТИ. (в печати)

Участия в конференциях

International Conference on Operational Research. August 30 to September 2, 2011. Zurich, Switzerland.

Гранты

Построение интегральных индикаторов с использованием конусов, ПГАС

Весна 2012, 10-й семестр

Публикации

В.В.Стрижов, М.П.Кузнецов, К.В.Рудаков Метрическая кластеризация последовательностей аминокислотных остатков в ранговых шкалах // Математическая биология и биоинформатика. — 2012

Участия в конференциях

25th European Conference on Operational Research. July 8-11, 2012. Vilnius, Lithuania.

Гранты

Построение интегральных индикаторов с использованием монотонной интерполяции, ПГАС

Осень 2012, 11-й семестр

Публикации

Кузнецов М. П., Стрижов В. В., Медведникова М.М. Алгоритм многоклассовой классификации объектов, описанных в ранговых шкалах // Научно-технический вестник СПб ГПУ. Информатика. Телекоммуникации. Управление, 2012, 5

Медведникова М.М., Стрижов В.В., Кузнецов М.П. Алгоритм многоклассовой монотонной Парето-классификации с выбором признаков // Известия Тульского государственного университета, Естественные науки, 2012, 3

Кузнецов М.П., Стрижов В.В. Построение интегрального индикатора с использованием ранговой матрицы описаний // Интеллектуализация обработки информации. Доклады 9-й международной конференции, 2012 — 130-132.

Личные инструменты