Участник:Isachenkoroma

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Отчет о научно-исследовательской работе)
Текущая версия (16:36, 27 августа 2016) (править) (отменить)
(Отчет о научно-исследовательской работе)
 
Строка 19: Строка 19:
'''Публикация'''
'''Публикация'''
-
''Р.В.Исаченко'' Метрическое обучение и снижение размерности пространства в задачах кластеризации временных рядов // ''Машинное обучение и анализ данных.'' — 2015. — ISSN 2223-3792. Т. 2, №1, 2016.
+
''Р. В. Исаченко'' Метрическое обучение и снижение размерности пространства в задачах кластеризации временных рядов // ''Машинное обучение и анализ данных.'' — 2015. — ISSN 2223-3792. Т. 2, №1, 2016.
Строка 27: Строка 27:
'''Технический отчёт'''
'''Технический отчёт'''
-
''Р.В.Исаченко'' Metric Learning and Feature Selection for Multiclass Classification of Time Series. Технический отчёт // ''Сервер вычислительных экспериментов''. - mvr.jmlda.org
+
''Р. В. Исаченко'' Metric Learning and Feature Selection for Multiclass Classification of Time Series. Технический отчёт // ''Сервер вычислительных экспериментов''. - mvr.jmlda.org
Строка 36: Строка 36:
''Работа посвящена построению модели многоклассовой классификации временных рядов. Предлагается выравнивать временные ряды относительно центроидов классов. Процедура нахождения центроидов и выравнивания временных рядов осуществляется с помощью алгоритма динамической трансформации времени. Для повышения качества классификации в данной работе используются методы метрического обучения. Метрическое обучение позволяет модифицировать расстояния между временными рядами, сближая временные ряды из одного класса и отдаляя временные ряды из разных классов. Расстояние между временными рядами измеряется с помощью метрики Махаланобиса. Процедура метрического обучения состоит в определении оптимальной матрицы трансформаций в метрике Махаланобиса. Для анализа качества построенного алгоритма проведен вычислительный эксперимент на синтетических и реальных данных показаний с акселерометра мобильного телефона.''
''Работа посвящена построению модели многоклассовой классификации временных рядов. Предлагается выравнивать временные ряды относительно центроидов классов. Процедура нахождения центроидов и выравнивания временных рядов осуществляется с помощью алгоритма динамической трансформации времени. Для повышения качества классификации в данной работе используются методы метрического обучения. Метрическое обучение позволяет модифицировать расстояния между временными рядами, сближая временные ряды из одного класса и отдаляя временные ряды из разных классов. Расстояние между временными рядами измеряется с помощью метрики Махаланобиса. Процедура метрического обучения состоит в определении оптимальной матрицы трансформаций в метрике Махаланобиса. Для анализа качества построенного алгоритма проведен вычислительный эксперимент на синтетических и реальных данных показаний с акселерометра мобильного телефона.''
 +
 +
'''Тезисы'''
 +
 +
''Р. В. Исаченко'' Метрическое обучение в задачах мультиклассовой классификации временных рядов // Сборник тезисов XXIII Международной научной конференции студентов, аспирантов и молодых ученых "Ломоносов-2016" секция "Вычислительная математика и кибернетика". 2016 (опубликована)
'''Публикация'''
'''Публикация'''
-
''Р.В.Исаченко'' Метрическое обучение в задачах мультиклассовой классификации временных рядов// ''Системы и средства информатики''. 2016 №2 (принята в печать).
+
''Р. В. Исаченко, В. В. Стрижов'' Метрическое обучение в задачах мультиклассовой классификации временных рядов// ''Информатика и её применения''. 2016 №2 — 2015. — ISSN 1992-2264. Т. 10, №2, 2016.

Текущая версия

МФТИ, ФУПМ

Кафедра "Интеллектуальные системы"

Направление "Интеллектуальный анализ данных"

isa-ro@yandex.ru

Отчет о научно-исследовательской работе

Весна 2015, 6-й семестр


Метрическое обучение и снижение размерности пространства в задачах кластеризации временных рядов

Работа посвящена использованию методов метрического обучения в задаче кластеризации временных рядов. Применение метрического обучения позволяет модифицировать расстояния между временными рядами, сближая временные ряды из одного кластера и отдаляя временные ряды из разных кластеров. В данной работе расстояние между временными рядами измеряется при помощи метрики Махаланобиса. Процедура метрического обучения состоит в определении оптимальной матрицы ковариаций в метрике Махаланобиса. Кластеризация временных рядов осуществляется алгоритмом k-средних и алгоритмом адаптивного метрического обучения, понижающим размерность пространства кластеризации. Для сравнения этих методов произведён вычислительный эксперимент на синтетических данных и на реальных данных с акселерометра мобильного телефона, сделан вывод об эффективности рассматриваемых методов.

Публикация

Р. В. Исаченко Метрическое обучение и снижение размерности пространства в задачах кластеризации временных рядов // Машинное обучение и анализ данных. — 2015. — ISSN 2223-3792. Т. 2, №1, 2016.


Осень 2015, 7-й семестр


Технический отчёт

Р. В. Исаченко Metric Learning and Feature Selection for Multiclass Classification of Time Series. Технический отчёт // Сервер вычислительных экспериментов. - mvr.jmlda.org


Весна 2016, 8-й семестр


Метрическое обучение в задачах мультиклассовой классификации временных рядов

Работа посвящена построению модели многоклассовой классификации временных рядов. Предлагается выравнивать временные ряды относительно центроидов классов. Процедура нахождения центроидов и выравнивания временных рядов осуществляется с помощью алгоритма динамической трансформации времени. Для повышения качества классификации в данной работе используются методы метрического обучения. Метрическое обучение позволяет модифицировать расстояния между временными рядами, сближая временные ряды из одного класса и отдаляя временные ряды из разных классов. Расстояние между временными рядами измеряется с помощью метрики Махаланобиса. Процедура метрического обучения состоит в определении оптимальной матрицы трансформаций в метрике Махаланобиса. Для анализа качества построенного алгоритма проведен вычислительный эксперимент на синтетических и реальных данных показаний с акселерометра мобильного телефона.

Тезисы

Р. В. Исаченко Метрическое обучение в задачах мультиклассовой классификации временных рядов // Сборник тезисов XXIII Международной научной конференции студентов, аспирантов и молодых ученых "Ломоносов-2016" секция "Вычислительная математика и кибернетика". 2016 (опубликована)

Публикация

Р. В. Исаченко, В. В. Стрижов Метрическое обучение в задачах мультиклассовой классификации временных рядов// Информатика и её применения. 2016 №2 — 2015. — ISSN 1992-2264. Т. 10, №2, 2016.

Личные инструменты