Участник:A m0r0z0v
Материал из MachineLearning.
| Строка 7: | Строка 7: | ||
Направление "'''Интеллектуальный анализ данных'''" | Направление "'''Интеллектуальный анализ данных'''" | ||
| - | + | ao.morozov@phystech.edu | |
== Отчеты о научно-исследовательской работе == | == Отчеты о научно-исследовательской работе == | ||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
=== Осень 2018=== | === Осень 2018=== | ||
| Строка 51: | Строка 33: | ||
}} | }} | ||
[[Media:conf61Morozov.pdf | Тезисы]] | [[Media:conf61Morozov.pdf | Тезисы]] | ||
| + | |||
| + | === Весна 2019=== | ||
| + | '''Алгоритмическая реализация восстановления зависимостей произвольного вида в больших массивах данных''' | ||
| + | |||
| + | ''Исследован класс обобщенных линейных моделей зависимостей, включающий модели числовой регрессии и двухклассового распознавания образов в типичной для практики ситуации, когда вектор признаков объектов имеет очень большую размерность, а число объектов в обучающей совокупности относительно невелико. Установлено, что вычислительная сложность таких задач линейна по числу признаков и полиномиальна по размеру обучающей совокупности.'' | ||
| + | |||
| + | '''Публикация''' | ||
| + | *{{биб.статья | ||
| + | |автор = V. Mottl, A. Morozov, O. Krasotkina, V. Sulimova, I. Pugach, A. Tatarchuk | ||
| + | |заглавие = Linear complexity algorithms for high dimensional SVM and regression problems with smart sparse regularization | ||
| + | <!--|издание = Машинное обучение и анализ данных--> | ||
| + | |год = 2019 | ||
| + | <!--|номер = 3 | ||
| + | |ISSN = 2223-3792 | ||
| + | |страницы = 272-278--> | ||
| + | |url = https://1drv.ms/b/s!AnZjwd6l7_VahLZBo1TYNH33cSIDmg | ||
| + | }} | ||
| + | [https://1drv.ms/b/s!AnZjwd6l7_VahLZBo1TYNH33cSIDmg Ссылка на статью] | ||
Версия 09:51, 20 мая 2019
Морозов Алексей Олегович
МФТИ, ФУПМ
Кафедра "Интеллектуальные системы"
Направление "Интеллектуальный анализ данных"
ao.morozov@phystech.edu
Отчеты о научно-исследовательской работе
Осень 2018
Алгоритмическая реализация методологии оценивания состава инвестиционных портфелей
Обеспечена линейная вычислительная сложность алгоритма поиска состава портфеля в очень большом множестве всех биржевых активов, в то время, как сложность по относительно небольшому числу наблюдений остается полиномиальной.
Доклад на научной конференции
- Моттль В. В., Красоткина О. В., Морозов А. О., Медведев А. В. Алгоритмическая реализация методологии оценивания состава инвестиционных портфелей // Интеллектуализация обработки информации (ИОИ-2018): Тезисы докл.— Москва: Торус Пресс, 2018. С. 104–105..
Доклад на научной конференции
- Морозов А. О., Моттль В. В. Алгоритмическая реализация методологии оценивания состава инвестиционных портфелей // 61-я Всероссийская научная конференция МФТИ: Труды, Прикладная математика и информатика — МФТИ, 2018. С. 116–118..
Весна 2019
Алгоритмическая реализация восстановления зависимостей произвольного вида в больших массивах данных
Исследован класс обобщенных линейных моделей зависимостей, включающий модели числовой регрессии и двухклассового распознавания образов в типичной для практики ситуации, когда вектор признаков объектов имеет очень большую размерность, а число объектов в обучающей совокупности относительно невелико. Установлено, что вычислительная сложность таких задач линейна по числу признаков и полиномиальна по размеру обучающей совокупности.
Публикация
- V. Mottl, A. Morozov, O. Krasotkina, V. Sulimova, I. Pugach, A. Tatarchuk Linear complexity algorithms for high dimensional SVM and regression problems with smart sparse regularization. — 2019.
