Участник:Andrey Ryazanov

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
Текущая версия (16:27, 22 февраля 2017) (править) (отменить)
 
(2 промежуточные версии не показаны)
Строка 12: Строка 12:
-
=== Весна 2016, 16-й семестр ===
+
=== Осень 2016, 7-й семестр ===
-
'''Inverse Protein Folding Problem via Quadratic Proramming''', Рязанов А. В., Карасиков М. Е., Грудинин С. В.
+
'''Оценки неотрицательных и полуопределенных рангов матриц''', Рязанов А. В., Вялый М. Н.
 +
 
 +
В работе исследуется сложность расширения для многогранников задач комбинаторной оптимизации. Сложность расширения равняется минимальным размерностям конусов неотрицательных ортантов и положительно-полуопределенных матриц, с которых можно получить проекцию данного многогранника. Оценка сложности расширения даёт возможность оценить минимальную размерность задачи линейного программирования, которая будет решать данную комбинаторную задачу. В работе исследуются различные оценки на сложность расширения, полученные с помощью коммуникационной сложности и теоретико-информационного подхода.
 +
 
 +
=== Весна 2016, 6-й семестр ===
 +
 
 +
'''Inverse Protein Folding Problem via Quadratic Programming''', Рязанов А. В., Карасиков М. Е., Грудинин С. В.
This paper presents a method of reconstruction a primary structure of a protein that folds into a given geometrical shape. This method predicts the primary structure of a protein and restores its linear sequence of amino acids in the polypeptide chain using the tertiary structure of a molecule. Unknown amino acids are determined according to the principle of energy minimization. This study represents inverse folding problem as a quadratic optimization problem and uses different relaxation techniques to reduce it to the problem of convex optimizations. Computational experiment compares the quality of these approaches on real protein structures.
This paper presents a method of reconstruction a primary structure of a protein that folds into a given geometrical shape. This method predicts the primary structure of a protein and restores its linear sequence of amino acids in the polypeptide chain using the tertiary structure of a molecule. Unknown amino acids are determined according to the principle of energy minimization. This study represents inverse folding problem as a quadratic optimization problem and uses different relaxation techniques to reduce it to the problem of convex optimizations. Computational experiment compares the quality of these approaches on real protein structures.
Строка 20: Строка 26:
'''Публикация''':
'''Публикация''':
-
Ryazanov A., Karasikov M., Grudinin S. Inverse Protein Folding Problem via Quadratic Programming, принята к публикации в сборнике трудов конференции ИТиС 2016.
+
Ryazanov A., Karasikov M., Grudinin S. Inverse Protein Folding Problem via Quadratic Programming, опубликована в сборнике трудов конференции ИТиС 2016.
'''Доклады''':
'''Доклады''':

Текущая версия

Рязанов Андрей Владимирович

МФТИ, ФУПМ

Кафедра "Интеллектуальные системы"

Направление "Интеллектуальный анализ данных"

andrei.ryazanov@phystech.edu

Отчет о научно-исследовательской работе

Осень 2016, 7-й семестр

Оценки неотрицательных и полуопределенных рангов матриц, Рязанов А. В., Вялый М. Н.

В работе исследуется сложность расширения для многогранников задач комбинаторной оптимизации. Сложность расширения равняется минимальным размерностям конусов неотрицательных ортантов и положительно-полуопределенных матриц, с которых можно получить проекцию данного многогранника. Оценка сложности расширения даёт возможность оценить минимальную размерность задачи линейного программирования, которая будет решать данную комбинаторную задачу. В работе исследуются различные оценки на сложность расширения, полученные с помощью коммуникационной сложности и теоретико-информационного подхода.

Весна 2016, 6-й семестр

Inverse Protein Folding Problem via Quadratic Programming, Рязанов А. В., Карасиков М. Е., Грудинин С. В.

This paper presents a method of reconstruction a primary structure of a protein that folds into a given geometrical shape. This method predicts the primary structure of a protein and restores its linear sequence of amino acids in the polypeptide chain using the tertiary structure of a molecule. Unknown amino acids are determined according to the principle of energy minimization. This study represents inverse folding problem as a quadratic optimization problem and uses different relaxation techniques to reduce it to the problem of convex optimizations. Computational experiment compares the quality of these approaches on real protein structures.

Публикация:

Ryazanov A., Karasikov M., Grudinin S. Inverse Protein Folding Problem via Quadratic Programming, опубликована в сборнике трудов конференции ИТиС 2016.

Доклады:

Ryazanov A., Karasikov M., Grudinin S. Inverse Protein Folding Problem via Quadratic Programming, Традиционная молодежная Школа "Управления, информация и оптимизация".

Гранты:

РФФИ 16-37-00111

Личные инструменты