Участник:Karina.usmanova

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Отчеты о научно-исследовательской работе)
Строка 23: Строка 23:
Для нахождения общих собственных векторов двух гессианов предлагается использовать алгоритмы приближенной совместной диагонализации.
Для нахождения общих собственных векторов двух гессианов предлагается использовать алгоритмы приближенной совместной диагонализации.
В работе проводится вычислительный эксперимент по сравнению различных алгоритмов приближенной совместной диагонализации, а также их сравнение с алгоритмом точной диагонализацией двух регуляризованных гессианов.''
В работе проводится вычислительный эксперимент по сравнению различных алгоритмов приближенной совместной диагонализации, а также их сравнение с алгоритмом точной диагонализацией двух регуляризованных гессианов.''
 +
 +
''К.Р.Усманова, М.Е Карасиков, С.В Грудинин'' [http://svn.code.sf.net/p/mlalgorithms/code/Group474/Usmanova2017MultipleManifoldLearning/doc/Usmanova2017MultipleManifoldLearning.pdf Множественная диагонализация для 3D структур]
 +
 +
=== Осень 2017, 7-й семестр===
 +
 +
'''Анализ зависимостей между показателями при прогнозировании объема грузоперевозок'''
 +
 +
''В работе анализируется взаимосвязь и согласованность показателей в системе управления, мониторинга состояния и отчетности железнодорожных грузоперевозок.
 +
Рассматриваются макроэкономические временные ряды, содержащие управляющие воздействия, состояние, и целевые показатели.
 +
Предполагается, что управление, состояние и целеполагание статистически связаны. Для установления связи используется тест Гренджера.
 +
Считается, что два временных ряда связанны, если использование истории одного из рядов улучшает качество прогноза другого.
 +
Цель анализа состоит в повышении качества прогноза объема грузоперевозок.
 +
Вычислительный эксперимент выполнен на данных об объеме грузоперевозок, управляющих воздействиях и установленных целевых критериях.''
'''Готовится к публикации'''
'''Готовится к публикации'''
-
''К.Р.Усманова, М.Е Карасиков, СГрудинин'' [http://svn.code.sf.net/p/mlalgorithms/code/Group474/Usmanova2017MultipleManifoldLearning/doc/Usmanova2017MultipleManifoldLearning.pdf Множественная диагонализация для 3D структур]
+
''К.Р. Усманова, C.П.Кудияров, Р.В. Мартышкин, Е.В. Попова, В.В. Стрижов''

Версия 18:36, 25 февраля 2018

Усманова Карина Равилевна

Отчеты о научно-исследовательской работе

Весна 2017, 6-й семестр

Множественная диагонализация для 3D структур

Работа посвящена построению модели движения белка по двум его заданным состояниям. Для описания движения белка в окрестности устойчивого состояния используется модель эластичного тела. Движение белка как эластичного тела задается гессианом энергии взаимодействия его атомов. Модель эластичного тела, построенная для одной устойчивой конформации не способна достаточно точно описать переход в другую конформацию. Целью работы является доработка модели эластичного тела таким образом, чтобы она могла описывать переходы между двумя конформациями. Для этого предлагается строить модель эластичного тела с использованием не одной, а двух устойчивых конформаций. Построенная таким способом модель позволит аппроксимировать переход между заданными конформациями. Для построения модели, общей для двух состояний, необходимо найти общие приближенные собственные векторы гессианов энергии в этих состояниях. Для нахождения общих собственных векторов двух гессианов предлагается использовать алгоритмы приближенной совместной диагонализации. В работе проводится вычислительный эксперимент по сравнению различных алгоритмов приближенной совместной диагонализации, а также их сравнение с алгоритмом точной диагонализацией двух регуляризованных гессианов.

К.Р.Усманова, М.Е Карасиков, С.В Грудинин Множественная диагонализация для 3D структур

Осень 2017, 7-й семестр

Анализ зависимостей между показателями при прогнозировании объема грузоперевозок

В работе анализируется взаимосвязь и согласованность показателей в системе управления, мониторинга состояния и отчетности железнодорожных грузоперевозок. Рассматриваются макроэкономические временные ряды, содержащие управляющие воздействия, состояние, и целевые показатели. Предполагается, что управление, состояние и целеполагание статистически связаны. Для установления связи используется тест Гренджера. Считается, что два временных ряда связанны, если использование истории одного из рядов улучшает качество прогноза другого. Цель анализа состоит в повышении качества прогноза объема грузоперевозок. Вычислительный эксперимент выполнен на данных об объеме грузоперевозок, управляющих воздействиях и установленных целевых критериях.

Готовится к публикации

К.Р. Усманова, C.П.Кудияров, Р.В. Мартышкин, Е.В. Попова, В.В. Стрижов

Личные инструменты