Участник:Ilyazharikov

Материал из MachineLearning.

Версия от 20:20, 28 августа 2016; Ilyazharikov (Обсуждение | вклад)
(разн.) ← Предыдущая | Текущая версия (разн.) | Следующая → (разн.)
Перейти к: навигация, поиск

МФТИ, ФУПМ

Кафедра "Интеллектуальные системы"

Направление "Интеллектуальный анализ данных"

ilya250894@gmail.com

Отчет о научно-исследовательской работе

Весна 2015, 6-й семестр


Разработка статистического теста для сравнения символьных последовательностей

Решается задача проверки однородности символьных последовательностей. Основная идея решения данной проблемы заключается в том, что сравниваются не сами последовательности, а их частотные словари. Сравнение проводится с помощью статистических тестов. В зависимости от критического значения, для оценки которого используются предложенные статистические тесты, делается вывод об однородности выборок. Практический интерес к данной работе связан с тем, что предложенный метод сравнения символьных последовательностей может быть использован для проверки однородности показаний приборов. Аналогичные задачи ставятся при проектировании и калибровке измерительных приборов. Новизна подхода заключается в том, что приведенный метод учитывает не сами символьные последовательности, а их числовые наборы признаков, которые могут меняться от задачи к задаче.

Публикация

Жариков И.Н., Воронцов К.В., Ишкина Ш.Х. Разработка статистического теста для сравнения символьных последовательностей // Машинное обучение и анализ данных. — 2015. — ISSN 2223-3792. (готовится к подаче в журнал)


Осень 2015, 7-й семестр


Кластеризация множества состояний человека в информационном анализе электрокардиосигналов

Целью этой работы является разработка методов кластеризации множества состояний человека в информационном анализе электрокардиосигналов. Основная идея решения данной проблемы заключается в использовании в качестве метрики статистических тестов. Практический интерес к данной работе связан с тем, что разработанный ме¬тод может быть использован для улучшения существующих диагностических моделей, путем получения информации о состояниях пациента. Новизна подхода заключается в том, что приведенный метод улучшает качество прогнозирования заболеваний по электрокардиограмме. Программная часть работы выполнена на языке MATLAB.

Технический отчет

Жариков И.Н. Clustering of the patients in the information analysis of electrocardiosignals. Технический отчет // Сервер вычислительных экспериментов - mvr.jmlda.org


Весна 2016, 8-й семестр


Статистические тесты однородности символьных последовательностей для информационного анализа электрокардиосигналов

Рассматриваются проблемы формирования однородных обучающих выборок для классификации символьных последовательностей, получаемых в результате дискретизации непрерывного сигнала методами символьной динамики, и преобразуемых затем в векторы частот слов. Для проверки воспроизводимости измерений и возможности формирования обучающих выборок с помощью различных измерительных устройств применяются статистические тесты, толерантные к разреженности векторов частот слов. Разработанные методы применяются в информационном анализе электрокардиосигналов в задачах, возникающих при исследовании воспроизводимости ЭКГ-сигналов и метрологической проверкой пригодности приборов, а также для построения системы скрининговой диагностики заболеваний внутренних органов человека по электрокардиограмме.

Публикация

Жариков И.Н., Воронцов К.В., Ишкина Ш.Х. Статистические тесты однородности символьных последовательностей для информационного анализа электрокардиосигналов // Математическая биология и биоинформатика. — 2016. — ISSN 1994-6538. (готовится к подаче в журнал)

Конференция

Девятая международная конференция Управление развитием крупномасштабных систем (MLSD'2016).

Секция 12. Управление развитием крупномасштабных систем здравоохранения, медико-биологических систем и технологий.

Жариков И.Н., Воронцов К.В., Ишкина Ш.Х. Статистические тесты однородности символьных последовательностей для информационного анализа электрокардиосигналов.

Личные инструменты