Участник:Strijov

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Исследовательская группа)
(Исследовательская группа)
(193 промежуточные версии не показаны)
Строка 1: Строка 1:
[[Изображение:strijov.jpg|120px|right]]
[[Изображение:strijov.jpg|120px|right]]
'''Вадим Викторович Стрижов'''
'''Вадим Викторович Стрижов'''
-
* [[Вычислительный центр РАН]], к.ф.-м.н., научный сотрудник
+
* Профессор [[Интеллектуальные системы (кафедра МФТИ)|Кафедры интеллектуальных систем]] ФУПМ [[МФТИ]],
-
* Кафедра «[[Интеллектуальные системы (кафедра МФТИ)|Интеллектуальные системы]]» [[МФТИ]], доцент
+
* доктор физ.-мат. наук, ведущий научный сотрудник [[Вычислительный центр РАН|ВЦ ФИЦ ИУ Российский академии наук]],
-
* [[Заглавная страница|'''MachineLearning.ru''']], [[ML:АДМ|администратор]]
+
* главный редактор журнала [http://jmlda.org Машинное обучение и анализ данных],
 +
* [[ML:АДМ|администратор]] [[Заглавная страница|'''MachineLearning.ru''']].
 +
 +
 
-
== Учебные курсы ==
+
* E-mail: strijov@ccas.ru, web: [http://www.ccas.ru/strijov www.ccas.ru/strijov]
-
'''Численные методы обучения по прецедентам'''
+
* Список публикаций: [http://strijov.com/papers_ru.html русский], [http://strijov.com/papers_en.html английский]
-
# [[Численные методы обучения по прецедентам (практика, В.В. Стрижов)|Численные методы обучения по прецедентам]]
+
* [https://orcid.org/0000-0002-2194-8859/print OrcID] · [https://elibrary.ru/author_items.asp?authorid=16834&pubrole=100&show_refs=1&show_option=0 eLibrary] · [http://www.mathnet.ru/php/person.phtml?option_lang=rus&personid=71984 Math-Net] · [https://scholar.google.com/citations?user=3TpENmIAAAAJ&hl=en&oi=ao scholar.google.com], [http://scholar.google.com/scholar?hl=ru&q=%D0%92%D0%B0%D0%B4%D0%B8%D0%BC+%D0%92%D0%B8%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2%D0%B8%D1%87+%D0%A1%D1%82%D1%80%D0%B8%D0%B6%D0%BE%D0%B2&btnG= ru]
-
# [[Отчет о выполнении исследовательского проекта (практика, В.В. Стрижов)|Выполнение исследовательских проектов]]
+
-
# [[Автоматизация и стандартизация научных исследований (практика, В.В. Стрижов)|Автоматизация и стандартизация научных исследований]]
+
-
===Исследовательские задачи===
 
-
* [[Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 674, осень 2011 | Группа 674, осень 2011]]
+
== Текущие проекты ==
-
* [[Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 874, осень 2011 | Группа 874, осень 2011]]
+
* '''Анализ поведения человека''' по измерениям датчиков мобильного телефона и носимых устройств. По сигналам акселерометра и гироскопа требуется восстановить элементарные движения человека и описать его поведение.
-
* [[Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 874, весна 2011 | Группа 874, весна 2011]]
+
# Задача: создать смесь моделей, которая описывает поведение человека в различных характеристических временах.
-
* [[Руководство исследовательскими проектами (практика, В.В. Стрижов) | Группа 774, весна 2011]]
+
# Задача: написать процедуру классификации, которая устойчиво работает в мобильном телефоне.
-
* [[Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 574, осень 2010 | Группа 574, осень 2010]]
+
-
* [[Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 774, осень 2010 | Группа 774, осень 2010]]
+
-
* [[Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 774, весна 2010 | Группа 774, весна 2010]]
+
-
* [[Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 674, весна 2010 | Группа 674, весна 2010]]
+
-
* [[Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 674, осень 2009 | Группа 674, осень 2009]]
+
-
* [[Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 674, весна 2009 | Группа 674, весна 2009]]
+
-
* [[Прикладной регрессионный анализ (курс лекций, B.В. Стрижов)/Группа 474, осень 2009 | Группа 474, осень 2009]]
+
-
* [[Прикладной регрессионный анализ (курс лекций, B.В. Стрижов)/Группа 374, осень 2008 | Группа 374, осень 2008]]
+
-
* [[Прикладной регрессионный анализ (курс лекций, B.В. Стрижов)/Группа 274, осень 2007 | Группа 274, осень 2007]]
+
-
* [[Прикладной регрессионный анализ (курс лекций, B.В. Стрижов)/Группа 174, осень 2006 | Группа 174, осень 2006]]
+
-
* [[:Категория:Практика и вычислительные эксперименты|Вся практика в одной категории]]
+
* Анализ сигналов в электроэнцефалографии, магнитоэнцефалографии, электрокардиографии. '''Прогнозирование движений конечностей''' по измерениям датчиков на коре головного мозга
 +
По электрокортикограмме требуется восстановить траекторию движения рук.
 +
# Задача: построить нейросеть с качеством прогнозирования, превышающим текущее.
 +
# Задача: предложить новый способ описания системы сигналов исходя из гипотезы об их распространении.
-
'''Прикладной регрессионный анализ'''
+
*'''Оценка оптимального объема выборки''' при построении моделей медицинской диагностики.
-
* [[Прикладной регрессионный анализ (курс лекций, B.В. Стрижов)|Прикладной регрессионный анализ (курс лекций)]]
+
# Задача: описать процедуру определения оптимального числа пациентов при постановке исследований в области медицины. Цель - создать и внедрить во врачебную практику метод теоретически обоснованной оценки объемы выборки пациентов, учитывающих адекватную модель классификации.
-
== Исследовательская группа ==
+
* '''Порождение локальных моделей с помощью конкурирующих нейросетей GAN'''.
 +
# Задача: построить модель, порождающую простые суперпозиции (локальные аппроксимирующие модели) лучшего качества, чем суперпозиции, порождаемые генетическими алгоритмами.
 +
#Задача: предложить функцию, штрафующую полносвязный взвешенный граф за его отличие от дерева. Эксперименты проводятся на моделях, аппроксимирующих временные ряды и на моделях, ранжирующих коллекции текстовых документов.
-
* [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Rudoy2012Generation/plans.txt Георгий Рудой]
+
* '''Исследование теоретических основ машинного интеллекта'''. Создание алгоритмов автоматического порождения и выбора моделей. Создание методов алгоритмической постановки задач.
-
* [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Baldin2011EssNonLinear/ Николай Балдин]
+
# Задача: исследовать модели последовательного и одновременного порождения и выбора признаков.
-
* [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Tokmakova2011Invariants/ Александра Токмакова]
+
# Задача: предложить алгоритм одновременного выбора параметров и структуры модели, превосходящий по качеству алгоритм смешанной оптимизации и сопоставимый с генетическим.
-
* [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Motrenko12logistic/ Анастасия Мотренко]
+
# Задача: исследовать метод порождения признаков, в котором в качестве признаков используются параметры моделей локальной аппроксимации.
-
* Илья Фадеев
+
-
* Раиса Джамтырова
+
-
* Михаил Кузнецов
+
-
* [[Участник:Pavlov99|Кирилл Павлов]]
+
-
* Алексей Зайцев [[Участник:Likz|-?]]
+
-
* Константин Скипор
+
-
* Дмитрий Крылов
+
-
* Екатерина Крымова [http://www.sciencedirect.com/science/article/pii/S0895717711001075], [http://novtex.ru/IT/it2011/number06.html], zldm.ru
+
-
* Роман Солгуб
+
-
== Научные интересы==
+
* Построение прикладных систем анализа данных. Распознавание биомедицинских сигналов, анализ поведения сложных систем. Тематическое моделирование, анализ коллекций текстов, построение поисковых систем, структурное обучение. Согласование экспертных оценок, построение рейтингов.
-
{{TOCright}}
+
-
=== Теория категорий в распознавании образов ===
+
-
"Я приветствую полугруппу, где бы я ее ни встретил, а встречается она повсюду. Впрочем, от друзей я слышал, что в математике попадаются объекты, отличные от полугрупп" (Эйнар Хилле). Умение видеть алгебраические структуры при решении прикладных задач избавляет исследователя от необходимости изобретать велосипед и показывает, что отнюдь не все измеряемые данные погружены в привычное евклидово пространство. Описанием (а точнее — обобщением и специализацией) различных алгебраических структур занимается теория категорий. "Язык категорий воплощает 'социологический' подход к математическому объекту: группа или пространство рассматривается не как множество с внутренне присущей ему структурой, но как член сообщества себе подобных" (Ю.И. Манин). Сейчас язык теории категорий активно используется в математической физике — там, где модели, описывающие физические процессы, весьма сложны. Применение этого языка при решении прикладных задач распознавания образов позволит получить ясные содержательные определения в сложных ситуациях.
+
-
=== Индуктивное порождение и выбор регрессионных моделей ===
+
=== Студенческие проекты и курс «Моя первая научная публикация» ===
-
Задачи отыскания регрессионных зависимостей являются большой самостоятельной областью и, кроме этого, появляются в качестве элементов задач распознавания образов. Задачи восстановления регрессии отличаются от задач классификации тем, что на первые наложено требование непрерывности отображения. Задачи восстановления регрессии включают в себя принципы информационного и математического моделирования. Согласно принципам информационного моделирования, в тех случаях, когда нет информации о том, какую модель предпочесть, целесообразно выполнить поиск оптимальной модели в фиксированном или индуктивно порождаемом классе моделей. Согласно принципам математического моделирования, полученная модель должна быть объяснимой с точки зрения эксперта; также модель должна быть несложной и достаточно точной. Найти модель, которая бы отвечала стольким требованиям, очень непросто.
+
-
=== Интегральные индикаторы и экспертные оценки ===
+
* Все проекты на страницах групп [[Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 274, весна 2015|274]] и [[Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа YАД, весна 2015|YAD]].
-
Интегральный индикатор (рейтинг) — наиболее информативная оценка качества или эффективности сравнимого набора объектов. Для построения интегрального индикатора требуется выбрать и настроить модель — свертку набора частных показателей, каждый из которых характеризует какую-либо одну сторону понятия «качество» или «эффективность». С другой стороны, эксперты могут построить интегральный индикатор набора объектов, опираясь на собственные знания. Однако такой индикатор сложно обосновать. Существуют методы, в которых модели объективизируют экспертные оценки, а экспертные оценки, в свою очередь, позволяют выбирать адекватные модели.
+
-
== Курс лекций ==
+
=== Прежние проекты ===
 +
* '''Порождение математических моделей'''
 +
Моделируется физическое, биологическое или другое измеряемое явление. Например, распространение нервного импульса, изменение давление в камере внутреннего сгорания, изменение цены опциона в ходе торгов. Требуется разработать алгоритм, который автоматически порождает модели, понятные специалистам в прикладной области.
 +
* '''Обработка космических снимков'''
 +
Спутник фотографирует поверхность земли. Один и тот же участок фотографируется с интервалом в месяц. Требуется по фотографии определить возможные медленные движения инженерных сооружений, расположенных на поверхности земли.
 +
* '''[[Прогнозирование объемов грузовых железнодорожных перевозок |Прогнозирование загруженности участков железной дороги]]'''
 +
По данным железнодорожных перевозок и микроэкономическим показателям требуется спрогнозировать загруженность железнодорожного узла.
 +
* '''Прогнозирование потребления и цен электроэнергии'''
 +
По историческим ценам и объемам потребленной электроэнергии требуется сделать почасовой прогноз на следующий день.
 +
Визуализация для принятия решений при планировании крупных конференций
 +
По тезисам конференции EURO за последние годы требуется построить систему, которая бы визуально рекомендовала научную область и сессию докладчику-новичку.
 +
* '''Прогнозирование инфаркта по иммунологическим данным'''
 +
Есть четыре класса пациентов: после операции, перед операцией и две группы здоровых. Измеряется концентрация определенных белков на поверхности кровяных телец. Измерения дорогие, пациентов мало. Требуется предложить прогностическую модель.
-
Прикладная регрессия и оптимизация
+
== Сообщения ==
-
Курс лекций включает теоретические и прикладные аспекты выбора моделей нелинейной регрессии и оптимизации этих моделей. Особое внимание уделяется автоматическим способам построения моделей. Ожидается, что студент, прослушавший курс лекций, сможет по заданной выборке построить адекватную параметрическую или непараметрическую регрессионную модель, правильно выбрать гипотезу порождения данных и показать, что полученная им модель оптимальна.
+
* Порождение моделей ранжирования текстовых коллекций: [[Media:ESWA_MIPT.pdf|текст]], [[Media:ESWA MIPT.png|постер]]
-
Программа курса:
+
== Учебные курсы, кафедра «Интеллектуальные системы» МФТИ ==
-
[http://strijov.com/teaching/article3.asp 2006],
+
* Моя первая научная статья
-
[http://strijov.com/teaching/default.asp 2007],
+
** [http://bit.ly/Strijov_M1 Стартовая страница]
-
[[Прикладной регрессионный анализ (курс лекций, B.В.Стрижов, 2008)|2008]],
+
** [http://svn.code.sf.net/p/mvr/code/lectures/MLEducation/Strijov2014MLCourseShort.pdf?format=raw Описание курса]
-
[[Прикладной регрессионный анализ (курс лекций, B.В.Стрижов, 2009)|2009]].
+
** [http://bit.ly/M1_2019_674 Весна 2019, результаты]
 +
** [https://www.youtube.com/channel/UC90B3Y_FbBRrRQk5TCiKgSA/videos Видеоканал c научными докладами]
 +
* [[Численные методы обучения по прецедентам (практика, В.В. Стрижов)|Численные методы обучения по прецедентам — 3 и 4]]
 +
* [[Прикладной регрессионный анализ (курс лекций, B.В. Стрижов)|Прикладной регрессионный анализ — 6]]
-
== Практика ==
+
== Лекции ==
 +
* Methods of Preference Learning for Ordinal Classification and Decision Making, [[media:Strijov2014PreferenceLearning_AMA.pdf| slides (pdf)]].
 +
* Model generation and selection using coherent Bayesian inference, [[media:Strijov2015ModelGenAndSel_AMA.pdf‎| 28.01.2015 slides (pdf)]], [[media:Presentation_en_acc.pdf‎| 22.04.2015 (pdf)]].
 +
* Basic Understanding of Quantitative Modelling, [[media:Strijov2012QuantitativeModelling.pdf‎ ‎| slides (pdf)]].
 +
* Машинное обучение и моделирование экспериментальных данных, [[media:VoronStrijov2012-02-18-AboutML.pdf‎| slides (pdf)]].
 +
* Создание системы прогнозирования объемов грузовых железнодорожных перевозок, [[media:RZD2015MinObrFull.pdf‎ ‎| slides (pdf)]].
-
Есть два, по крайней мере, подхода к решению прикладных задач математическими методами. Принцип первого подхода: "технической работы при анализе данных несопоставимо больше, чем математической". Принцип второго подхода: "можно найти такую математическую модель, которая избавит аналитика от технической работы". Последние семь проектов, в которых были использованы теоретические результаты:
+
== Исследовательская группа ==
 +
{|cellspacing="0" cellpadding="2"
 +
|align="center"|'''Аспиранты'''
 +
|width="50"|
 +
|align="center"|'''Магистры'''
 +
|width="50"|
 +
|align="center"|'''Бакалавры'''
 +
|width="50"|
 +
|-
 +
|valign="top"|
 +
* [[Участник:?|Марк Потанин]]
 +
* [[Участник:Neychev|Радослав Нейчев]]
 +
* [[Участник:Isachenkoroma|Роман Исаченко]]
 +
* [[Участник:Goncharovalex|Алексей Гончаров]]
 +
* [[Участник:Oleg Bakhteev|Олег Бахтеев]]
 +
* [http://strijov.com/papers/AnikeyevPenkin2017Splines.pdf| Григорий Пенкин]
 +
----
 +
* [[Участник:Mpopova|Мария Попова]]
 +
* [[Участник:Anastasiya |Анастасия Мотренко]]
 +
* [[Участник:Aduenko |Александр Адуенко]]
 +
* [[Участник:Arsenty |Арсентий Кузьмин]]
 +
* [[Участник:Mikethehuman |Михаил Кузнецов]]
 +
* [[Участник:0xd34df00d |Георгий Рудой]]
 +
* [[Media:Fadeev2013Presentation.pdf | Илья Фадеев]]
 +
* [[Участник:Pavlov99 |Кирилл Павлов]]
 +
* [http://www.ict.nsc.ru/jct/annotation/1318| Роман Сологуб]
 +
* [http://www.ccas.ru/strijov/papers/strijov06AIidx.pdf| Татьяна Казакова]
 +
* [http://urss.ru/cgi-bin/db.pl?lang=Ru&blang=ru&page=Book&id=77838| Григорий Пташко]
-
# Прогноз состояния пациентов по результатам анализа кровяных телец,
+
|
-
# Анализ геометрической конфигурации информационных единиц в протеинах,
+
|valign="top"|
-
# Построение интегральных индикаторов по заказам управляющих компаний,
+
* [[Участник:Andriygav |Андрей Грабовой]]
-
# Неклассические модели при справедливых оценках стоимости опционов,
+
* [[Участник:Tamaz |Тамаз Гадаев]]
-
# Поиск стратегий крупных игроков финансовых рынков,
+
* [[Участник:Gmalinovsky|Григорий Малиновский]]
-
# Прогноз концентрации кислорода в выхлопных газах по косвенным измерениям,
+
<!-- * [[Участник:EDKirillov|Егор Кириллов]] -->
-
# Поиск оптимальной регрессионной модели давления в камере внутреннего сгорания.
+
* Илья Игашов
 +
* [[Участник:SamokhinaAM|Алина Самохина]]
 +
* Ирина Пугаева
 +
* [[Участник: Никита Уваров|Никита Уваров]]
 +
* [[Участник:Karina.usmanova|Карина Усманова]]
 +
<!-- * [[Участник:Dmitriy_Anikeyev |Дмитрий Аникеев]] -->
 +
* [[Участник:Alex.Galtseva|Александра Гальцева]]
 +
* Данил Сайранов
 +
* [[Участник:Filipp Nikitin|Филипп Никитин]]
 +
----
 +
* [[Участник:Mvladimirova|Мария Владимирова]]
 +
* [[Участник:Кулунчаков|Андрей Кулунчаков]]
 +
* [[Участник:Artembochkarev|Артем Бочкарев]]
 +
* [[Участник: Katrutsa|Александр Катруца]]
 +
* [[Участник:andmityashov|Андрей Митяшов]]
 +
* [[Участник:Mkarasikov|Михаил Карасиков]]
 +
* [[Участник:Rita Kuznetsova|Рита Кузнецова]]
 +
* [[Участник:Medvmasha|Мария Стенина]]
 +
* [[Участник:Varf Ann|Анна Варфоломеева]]
 +
* [[Участник:Felagund|Даниил Кононенко]]
 +
* [[Участник:Aleksandra.Tokmakova|Александра Токмакова]]
 +
* [[Участник:Aguschin|Андрей Гущин]]
 +
* [[Участник:Likz|Алексей Зайцев]]
 +
* [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Dzhamtyrova2011BSThesis/ Раиса Джамтырова]
 +
* [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Krylov2011HyperParams/ Дмитрий Крылов]
 +
* [http://www.sciencedirect.com/science/article/pii/S0895717711001075/ Екатерина Крымова]
 +
* [http://svn.code.sf.net/p/mlalgorithms/code/MSThesis/Skipor2012/PresentationMS/ Константин Скипор]
 +
|
 +
|valign="top"|
 +
* Александра Базарова
 +
* Кирилл Вайсер
 +
* Владимир Жолобов
 +
* [[Участник:Varenik.nv|Наталия Вареник]]
 +
* Валерий Маркин
 +
* [[Участник:Severilov.pa|Павел Северилов]]
 +
* [[Участник:PanchenkoSviatoslav|Святослав Панченко]]
 +
<!-- * Юсупов Игорь -->
 +
* Валентин Бучнев
 +
----
 +
* [[Участник:AstakhovAnton |Антон Астахов]]
 +
* [[Участник:Ol terekhov |Олег Терехов]]
 +
* [[Участник:Rgazizullina|Римма Газизуллина]]
 +
* [[Участник: IShibaev|Иннокентий Шибаев]]
 +
* [[Участник: Гасанов Эльнур|Эльнур Гасанов]]
 +
* [[Участник: Ivanychev |Сергей Иванычев]]
 +
* [[Участник:Anton Smerdov|Антон Смердов]]
 +
* [http://svn.code.sf.net/p/mlalgorithms/code/GroupYAD/Saitgalin2015CovarianceMatrix/doc/Saitgalin2015CovarianceMatrixEstimation.pdf?format=raw/ Андрей Саитгалин]
 +
* [[Участник:Задаянчук_Андрей|Андрей Задаянчук]]
 +
* [[Участник:Zlatovalex|Александр Златов]]
 +
* [https://svn.code.sf.net/p/mlalgorithms/code/Group274/Dvinskikh2015DemandForecasting/doc/DvinskikhDemandForecasting.pdf?format=raw/ Дарина Двинских]
 +
|
 +
|}
-
== Избранные публикации ==
+
===Кандидатские диссертации===
 +
# [[Участник:Oleg Bakhteev|Олег Юрьевич Бахтеев]]. [http://www.frccsc.ru/sites/default/files/docs/ds/002-073-05/diss/26-bahteev/ds05-26-bahteev_main.pdf?28 Выбор моделей глубокого обучения субоптимальной сложности] [https://github.com/bahleg/tex_phd/raw/master/doc/BakhteevThesis.pdf git], [https://github.com/bahleg/tex_phd/raw/master/doc/BakhteevAuto.pdf автореферат], [https://github.com/bahleg/tex_slides/raw/master/predef_19/BakhteevSlidesShort.pdf презентация (PDF)]. 2020. МФТИ.
 +
# [[Участник:Anastasiya|Мотренко Анастасия Петровна]]. [https://sourceforge.net/p/mlalgorithms/code/HEAD/tree/PhDThesis/Motrenko/doc/Motrenko2018Thesis.pdf Выбор моделей прогнозирования мультикоррелирующих временных рядов], [https://sourceforge.net/p/mlalgorithms/code/HEAD/tree/PhDThesis/Motrenko/doc/autoteferat/Motrenko2019Autoreferat.pdf автореферат], [https://sourceforge.net/p/mlalgorithms/code/HEAD/tree/PhDThesis/Motrenko/presentation/Motrenko2018PhDSlides.pdf презентация (PDF)]. 2019. МФТИ.
 +
# [[Участник:Aduenko|Адуенко Александр Александрович]]. [https://sourceforge.net/p/mlalgorithms/code/HEAD/tree/PhDThesis/Aduenko2017Multimodels/AduenkoThesis.pdf Выбор мультимоделей в задачах классификации], [[Media:AduenkoThesisPresentation_20170219.pdf| презентация (PDF)]]. 2017. МФТИ.
 +
# [[Участник: Arsenty | Кузьмин Арсентий Александрович]]. [https://sourceforge.net/p/mlalgorithms/code/HEAD/tree/PhDThesis/Kuzmin/main.pdf | Построение иерархических тематических моделей коллекций коротких текстов], [https://sourceforge.net/p/mlalgorithms/code/HEAD/tree/PhDThesis/Kuzmin/Kuzmin2017Presentation.pdf | презентация (PDF)]. 2017. МФТИ.
 +
# [[Участник:Mikethehuman|Кузнецов Михаил Павлович]]. [[Media:KuznetsovThesisPreferenceLearning.pdf| Построение моделей обучения по предпочтениям с использованием порядковых экспертных оценок]], [[Media:KuznetsovPhdSlides.pdf|презентация (PDF)]]. 2017. МФТИ.
 +
# Сологуб Роман Аркадьевич. [https://sourceforge.net/p/mlalgorithms/code/HEAD/tree/PhDThesis/Sologub2013GenerationFinal/diss/my_input_2e.pdf?format=raw Методы трансформации моделей в задачах нелинейной регрессии], [https://sourceforge.net/p/mlalgorithms/code/HEAD/tree/PhDThesis/Sologub2013GenerationFinal/diss/PHDpresentation.pdf?format=raw презентация PDF], [https://sourceforge.net/p/mlalgorithms/code/HEAD/tree/PhDThesis/Sologub2013GenerationFinal/diss/PHDpresentationlog.pdf?format=raw полная версия PDF]. 2013. МФТИ.
-
# Стрижов В.В. Поиск параметрической регрессионной модели в индуктивно заданном множестве. Журнал вычислительных технологий, 2007 (2). [http://strijov.com/papers/strijov06jct.pdf]
+
===Магистерские диссертации===
-
# Стрижов В.В. Пташко О.Г. Алгоритмы поиска суперпозиций при выборе оптимальных регрессионных моделей. М.: ВЦ РАН, 2006. [http://strijov.com/papers/strijov06ccas.pdf]
+
# [[Участник:Goncharovalex|Гончаров Алексей Владимирович]]. [[Media:GoncharovAlexeyMasterThesisText.pdf| Построение интерпретируемых моделей глубокого обучения в задаче социального ранжирования]], [[Media:GoncharovAlexeyMasterThesis.pdf|презентация (PDF)]]. 2018. ФУПМ МФТИ.
-
# Стрижов В.В., Казакова Т.В. Устойчивые интегральные индикаторы с выбором опорного множества описаний. Заводская лаборатория. 2006 (9). [http://strijov.com/papers/strijov06stableidx.pdf]
+
# [[Участник:Isachenkoroma|Исаченко Роман Владимирович]]. [[Media: Isachenko2018MsThesisRusFull.pdf‎ | Снижение размерности пространства в задачах анализа временных рядов]], [[Media:Isachenko2018-06-21MSThesisPres.pdf‎|презентация (PDF)]]. 2018. ФУПМ МФТИ.
-
# Стрижов В.В. Уточнение экспертных оценок с помощью измеряемых данных. Заводская лаборатория. Диагностика материалов, 2006 (6). [http://strijov.com/papers/strijov06precise.pdf]
+
# [[Участник:Neychev|Нейчев Радослав Георгиев]]. [[Media:NeyhevMS_Thesis.pdf|Информативные априорные предположения в задаче привилегированного обучения]], [[Media:NeychevMS_Slides.pdf|презентация (PDF)]]. 2018. ФУПМ МФТИ
-
# Стрижов В. В., Шакин В. В. Прогноз и управление в авторегрессионных моделях. Математические методы распознавания образов, 2003. [http://strijov.com/papers/mmro11.pdf]
+
# [[Участник:Artembochkarev|Бочкарев Артем Максимович]]. [[Media:BochkarevArtemMasterThesisText_v3.pdf| Структурное обучение для генерации моделей]], [[Media:BochkarevArtemMasterThesis_v3.pdf|презентация (PDF)]]. 2018. ФУПМ МФТИ.
-
# Strijov, V., Shakin, V. Index construction: the expert-statistical method. Environmental research, engineering and management. 2003. No.4(26). [http://strijov.com/papers/10-v_strijov.pdf]
+
# [[Участник:Mkarasikov|Карасиков Михаил Евгеньевич]]. [[Media:Karasikov2017MSThesis.pdf| Построение ранжирующей функции для прогнозирования третичной структуры белка]], [[Media:Karasikov2017MSThesisPresentation.pdf|презентация (PDF)]]. 2017. ФУПМ МФТИ.
-
# Strijov V., Shakin V. An algorithm for clustering of the phase trajectory of a dynamic system. Mathematical Communications. Supp. 2001 (1). [http://strijov.com/papers/koi2000a.pdf]
+
# [[Участник:Mpopova|Попова Мария Сергеевна]]. Порождающие и разделяющие модели для генерации новых лекарств. 2017. ФУПМ МФТИ.
 +
# [[Участник:Кулунчаков|Кулунчаков Андрей Сергеевич]]. [[Media:Kulunchakov2017RankingBySimpleFun.pdf| Порождение структурно простых ранжирующих функций для задач информационного поиска]], [[Media:PresentationKulunchakov2017Ranking.pdf|презентация (PDF)]]. 2017. ФУПМ МФТИ.
 +
# [[Участник:andmityashov|Митяшов Андрей Андреевич]]. [[Media:Mityashov2016DecompozitionViaTextClustering.pdf| Декомпозиция смеси распределений на основе эмпирических данных в задачах текстовой кластеризации]], [[Media:Mityashov2016MSThesisPresentation.pdf|презентация (PDF)]]. 2016. ФУПМ МФТИ.
 +
# [[Участник: Katrutsa|Катруца Александр Михайлович]]. [[Media:Katrutsa2016MSThesis.pdf|Дискретное квадратичное программирование с релаксацией при отборе признаков]], [[Media:Katrutsa2016MSPresentation.pdf|презентация (PDF)]]. 2016. ФУПМ МФТИ.
 +
# [[Участник:Oleg Bakhteev|Бахтеев Олег Юрьевич]]. [[Media:Bakhteev2016MsThesis.pdf|Последовательное порождение моделей глубокого обучения оптимальной сложности]], [[Media:Bakhteev2016MsThesisPresentation.pdf|презентация (PDF)]]. 2016. ФУПМ МФТИ.
 +
# [[Участник:Medvmasha|Стенина (Медведникова) Мария Михайловна]]. [[Media:Stenina2015MSThesis.pdf|Согласование прогнозов в задачах прогнозирования иерархических временных рядов]], [[Media:Stenina2015MSThesisPresentation.pdf|презентация (PDF)]]. 2015. ФУПМ МФТИ.
 +
# [[Участник:Arsenty|Кузьмин Арсентий Александрович]]. [[Media:Kuzmin2015MSThesis.pdf|Построение иерархических тематических моделей крупных конференций]], [[Media:Kuzmin2015MSPresentation.pdf|презентация (PDF)]]. 2015. ФУПМ МФТИ.
 +
# Матросов Михаил Павлович/ [[Media:Matrosov_thesis_v9.pdf‎|Краткосрочное предсказание музыкальных произведений с использованием последовательностей аккордов (PDF)]], [[Media:Matrosov2015_MusicForecastingDEFENCE_RU.pdf|слайды]]. 2015. ФУПМ МФТИ.
 +
# [[Участник:Rita_Kuznetsova|Кузнецова Маргарита Валерьевна]]. [[Media:Kuznetsova2015MSThesis.pdf|Классификация временных рядов с использованием инвариантных преобразований]]. 2015. ФУПМ МФТИ.
 +
# Жуйков Владимир Владимирович. [[Media:Zhuikov2015MSThesis.pdf|Рекомендательная система подбора одежды, основанна на метрическом анализе рекламных описаний]], [[Media:Zhuikov2015MSPresentation.pdf|презентация (PDF)]]. 2015. ФУПМ МФТИ.
 +
# [[Участник:aduenko|Адуенко Александр Александрович]]. [[Media:MS_thesis.pdf|Топологический анализ пространства параметров в задачах выбора мультимоделей]], [[Media:aduenko_MS_presentation.pdf|презентация (PDF)]]. 2015. ФУПМ МФТИ.
 +
# [[Участник:0xd34df00d|Рудой Георгий Игоревич]]. [[Media:Rudoy2014ModelsSelection.pdf|Алгоритмы индуктивного порождения и упрощения и критерии выбора оптимальной существенно нелинейной регрессионной модели для аппроксимации измеряемых данных]], [[Media:Rudoy2014ModelsSelectionSlides.pdf|презентация (PDF)]]. 2014. ФУПМ МФТИ.
 +
# Фадеев Илья Владимирович. [[Media:Fadeev2013MsThesis.pdf|Выбор иерархических моделей в авторегрессионном прогнозировании]], [[Media:Fadeev2013Presentation.pdf|презентация (PDF)]]. 2013. ФУПМ МФТИ.
 +
# [[Участник:Felagund|Кононенко Даниил Сергеевич]]. [[Media:Kononenko2013MsThesis.pdf|Оценка параметров инвариантных преобразований в задачах прогнозирования временных рядов]], [[Media:Kononenko2013MsPresentation.pdf|презентация (PDF)]]. 2013. ФУПМ МФТИ.
 +
# [[Участник:Anastasiya|Мотренко Анастасия Петровна]]. [[Media:Motrenko2014MSThesis.pdf|Оценка объема выборки в задачах прогнозирования]], [[Media:Motrenko2014MSpresentation.pdf|презентация (PDF)]]. 2014. ФУПМ МФТИ.
 +
# [[Участник:Mikethehuman|Кузнецов Михаил Павлович]]. [[Media:Kuznetsov2013M-thesis.pdf|Построение интегральных индикаторов в задачах с порядковыми признаками]], [[Media:Kuznetsov2013MasterPresentation.pdf|презентация (PDF)]]. 2013. ФУПМ МФТИ.
-
[http://strijov.com/papers/articles.asp Полный список и тексты публикаций]
 
 +
===Бакалаврские диссертации===
 +
#[[Участник:Гасанов Эльнур |Гасанов Эльнур Эльдар оглы]]. [[Media:Gasanov2018BachelorDiploma.pdf|Порождение пространства признаков в задачах анализа кортикограмм]], [[Media:Gasanov2018Presentation_.pdf|Презентация]]. 2018. ФУПМ МФТИ.
 +
# Иванычев Сергей Дмитриевич. [[Media:Ivanychev18BachelorThesis_%28merged%29.pdf|Выбор оптимальных моделей локальной аппроксимации для классификации временных рядов]], [[Media:Ivanychev2018Slides.pdf|Презентация]]. 2018. ФУПМ МФТИ.
 +
# Смердов Антон Николаевич. [[Media:Smerdov18BachelorThesis.pdf‎ |Выбор оптимальной модели рекуррентной сети в задачах поиска парафраза]], [[Media:Smerdov2018Presentation.pdf‎|Презентация]]. 2018. ФУПМ МФТИ.
 +
# Уваров Никита Денисович. [[Media:Uvarov2018Thesis.pdf|Выбор суперпозиций моделей при прогнозировании временных рядов]], [[Media:Uvarov2018Presentation.pdf|Презентация]]). 2018. ФУПМ МФТИ.
 +
# Усманова Карина Равилевна. [[Media:Usmanova2018CCM_PLS.pdf|Модели обнаружения зависимостей во временных рядах в задачах построения прогностических моделей]], [[Media:Usmanova2018Presentation.pdf|Презентация]]. 2018. ФУПМ МФТИ.
 +
# [[Участник:IShibaev|Шибаев Иннокентий Андреевич]]. [[Media:Shibaev2018BThesis.pdf|Прогнозирование оптимальных суперпозиций в задачах регрессии]], [[Media:Shibaev2018Presentation.pdf|Презентация]]. 2018. ФУПМ МФТИ.
 +
# [[Участник:Mvladimirova|Владимирова Мария Руслановна]]. [https://svn.code.sf.net/p/mlalgorithms/code/Group374/Vladimirova2016BaggingNN/doc/Vladimirova2016BaggingNN.pdf Бэггинг нейронных сетей ], [https://svn.code.sf.net/p/mlalgorithms/code/Group374/Vladimirova2016BaggingNN/doc/Vladimirova2016Presentation.pdf презентация (PDF)]. 2017. ФУПМ МФТИ.
 +
# [[Участник:Задаянчук_Андрей|Задаянчук Андрей Игоревич]]. [[Media:Zadayanchuk2016Diploma2.pdf|Выбор оптимальной модели классификации временных рядов]], [[Media:Zadayanchuk2016Presentation.pdf|презентация (PDF)]]. 2016. ФУПМ МФТИ.
 +
# [[Участник:Zlatovalex|Златов Александр Сергеевич]]. [[Media:Zlatov2016BSThesis.pdf| Построение иерархической модели крупной конференции]], [[Media:ZlatovPresentation2016.pdf|презентация (PDF)]]. 2016. ФУПМ МФТИ.
 +
# [[Участник:Isachenkoroma|Исаченко Роман Владимирович]]. [[Media:Isachenko2015ProblemStatement.pdf|Метрическое обучение в задаче многоклассовой классификации временных рядов]], [[Media:Isachenko2016DiplomaPresentation.pdf |презентация (PDF)]]. 2016. ФУПМ МФТИ.
 +
# [[Участник:Neychev|Нейчев Радослав Георгиев]]. [[Media:Neychev2016BSThesis.pdf|Прогностические мультимодели разномасштабных временных рядов интернета вещей]], [[Media:Neychev2016BSPresentation.pdf|презентация (PDF)]]. 2016. ФУПМ МФТИ.
 +
# [[Участник:Artembochkarev|Бочкарев Артем Максимович]]. [[Media:Bochkarev2016Article.pdf| Порождение экспертно-интерпретируемых моделей петрофизических измерений в лабораторных исследованиях керна]], [[Media:BochkarevPresentation.pdf|презентация (PDF)]]. 2016. ФУПМ МФТИ.
 +
# [[Участник:Goncharovalex|Гончаров Алексей Владимирович]]. [[Media:Goncharov2016diplom.pdf| Методы дискретного и непрерывного выравнивания временных рядов]], [[Media:GoncharovPresentation.pdf|презентация (PDF)]]. 2016. ФУПМ МФТИ.
 +
# Двинских Дарина Михайловна. [[Media:ArticleDvinskikh2016.pdf| Выбор суперпозиции моделей при прогнозировании грузовых железнодорожных перевозок]], [[Media:2016PresentationDvinskikh.pdf|презентация (PDF)]]. 2016. ФУПМ МФТИ.
 +
# [[Участник:Mpopova|Попова Мария Сергеевна]]. [[Media:Popova2015Diploma.pdf|Выбор оптимальной сети глубокого обучения в задачах классификации временных рядов]], [[Media:Popova2015Presenation.pdf|презентация]]. 2015. ФУПМ МФТИ.
 +
# [[Участник:Кулунчаков|Кулунчаков Андрей Сергеевич]]. [[Media:Kulunchakov2015RankingBySimpleFun.pdf| Порождение структурно простых ранжирующих функций для задач информационного поиска]], [[Media:PresentationKulunchakov2015Ranking.pdf|презентация (PDF)]]. 2015. ФУПМ МФТИ.
 +
# [[Участник:Rgazizullina|Газизуллина Римма Камилевна]]. [[Media:Gazizullina2015.pdf| Построение композиций прогностический моделей и оценка качества прогноза временных рядов]], [[Media:Gazizullina2015Presentation.pdf|презентация (PDF)]]. 2015. ФУПМ МФТИ.
 +
# [[Участник:Mkarasikov|Карасиков Михаил Евгеньевич]]. [[Media:Karasikov2015BSThesis.pdf| Классификация временных рядов в пространстве параметров порождающих моделей]], [[Media:Karasikov2015BSThesisPresentation.pdf|презентация (PDF)]]. 2015. ФУПМ МФТИ.
 +
# [[Участник:Perekrestenko|Перекрестенко Дмитрий Олегович]]. [[Media:Perekrestenko2014StructureAnalysis.pdf|Анализ статистической и структурной сложности суперпозиции нейронных сетей]], [[Media:Perekrestenko2014StructureAnalysis_Presentation.pdf|презентация (PDF)]]. 2014. ФУПМ МФТИ.
 +
# [[Участник:andmityashov|Митяшов Андрей Андреевич]]. [[Media:Mityashov2014BSThesis.pdf|Предметно-экспертные ограничения для штрафной функции elastic-net в случае логистической регрессии]], [[Media:Mityashov2014presentation.pdf|презентация (PDF)]]. 2014. ФУПМ МФТИ.
 +
# [[Участник: Katrutsa|Катруца Александр Михайлович]]. [[Media:Katrutsa2014BSThesis.pdf|Анализ мультиколлинеарности при выборе признаков]], [[Media:Katrutsa2014BSPresenation.pdf|презентация (PDF)]]. 2014. ФУПМ МФТИ.
 +
# [[Участник:Medvmasha|Стенина (Медведникова) Мария Михайловна]]. [[Media:Medvednikova2013Diploma.pdf|Построение интегральных индикаторов по частично упорядоченным множествам экспертных оценок]], [[Media:Medvednikova2013Presentation.pdf|презентация (PDF)]]. 2013. ФУПМ МФТИ.
 +
# [[Участник:Arsenty|Кузьмин Арсентий Александрович]]. [[Media:Kuzmin2013Diploma.pdf|Проверка адекватности тематических моделей коллекции документов]]'', [[Media:Kuzmin2013Presentation.pdf|презентация (PDF)]]. 2013. ФУПМ МФТИ.
 +
# [[Участник:Varf Ann|Варфоломеева Анна Андреевна]]. [[Media:Varfolomeeva2013Diploma.pdf|Методы структурного обучения для построения прогностических моделей]], [[Media:Varfolomeeva2013Presentation.pdf|презентация (PDF)]]. 2013. ФУПМ МФТИ.
 +
# [[Участник:aduenko|Адуенко Александр Александрович]]. [[Media:thesis.pdf|Совместный выбор объектов и признаков при построении моделей в задачах банковского скоринга]], [[Media:aduenko_presentation.pdf|презентация (PDF)]]. 2013. ФУПМ МФТИ.
 +
# [[Участник:Mikethehuman|Кузнецов Михаил Павлович]]. [[Media:Kuznetsov2011B-thesis.pdf|Уточнение экспертных оценок с помощью измеряемых данных]], [[Media:Kuznetsov2011BachelorPresentation.pdf|презентация (PDF)]]. 2011. ФУПМ МФТИ.
-
== Смотри также ==
+
== Репозитории алгоритмов ==
 +
* [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/ https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/] '''Alrorithms of machine learning'''
 +
* [https://mvr.svn.sourceforge.net/svnroot/mvr https://mvr.svn.sourceforge.net/projects/svnroot/mvr] '''Multivariate regression composer'''
 +
* [https://dmba.svn.sourceforge.net/svnroot/dmba https://dmba.svn.sourceforge.net/projects/svnroot/dmba] '''Lectures at University-Siegen'''
-
* [http://strijov.com strijov.com, notes on data analysis]
 
-
* [http://strijov.ru strijov.ru, заметки]
 
-
* [http://www.ccas.ru/strijov страница на сайте Вычислительного центра РАН]
 
-
== [[Заглавная страница|Machinelearning.ru]] ==
+
[[Категория:Страницы участников|S]]
-
* [[:Категория:Регрессионный анализ|Регрессионный анализ]]
+
-
* [[Определение гиперпараметров для MVR]]
+
-
== Под рукой ==
+
== Научные интересы==
-
*[[Участник:Strijov/Пишем]]
+
{{TOCright}}
-
*[[Участник:Strijov/Песочница]]
+
* '''Теория категорий в распознавании образов'''
-
*[[Участник:Strijov/Шаблон отчета о выполнении исследовательского проекта]]
+
"Я приветствую полугруппу, где бы я ее ни встретил, а встречается она повсюду. Впрочем, от друзей я слышал, что в математике попадаются объекты, отличные от полугрупп" (Эйнар Хилле). Умение видеть алгебраические структуры при решении прикладных задач избавляет исследователя от необходимости изобретать велосипед и показывает, что отнюдь не все измеряемые данные погружены в привычное евклидово пространство. Описанием (а точнее — обобщением и специализацией) различных алгебраических структур занимается теория категорий. "Язык категорий воплощает 'социологический' подход к математическому объекту: группа или пространство рассматривается не как множество с внутренне присущей ему структурой, но как член сообщества себе подобных" (Ю.И. Манин). Сейчас язык теории категорий активно используется в математической физике — там, где модели, описывающие физические процессы, весьма сложны. Применение этого языка при решении прикладных задач распознавания образов позволит получить ясные содержательные определения в сложных ситуациях.
-
*[[Участник:Strijov/Протокол рецензирования программных систем]]
+
-
*[[Участник:Strijov/Ранговая регрессия (пример)]] (Шаблон отчета о вычислительном эксперименте)
+
-
[[Категория:Страницы участников|S]]
+
* '''Индуктивное порождение и выбор регрессионных моделей'''
 +
Задачи отыскания регрессионных зависимостей являются большой самостоятельной областью и, кроме этого, появляются в качестве элементов задач распознавания образов. Задачи восстановления регрессии отличаются от задач классификации тем, что на первые наложено требование непрерывности отображения. Задачи восстановления регрессии включают в себя принципы информационного и математического моделирования. Согласно принципам информационного моделирования, в тех случаях, когда нет информации о том, какую модель предпочесть, целесообразно выполнить поиск оптимальной модели в фиксированном или индуктивно порождаемом классе моделей. Согласно принципам математического моделирования, полученная модель должна быть объяснимой с точки зрения эксперта; также модель должна быть несложной и достаточно точной. Найти модель, которая бы отвечала стольким требованиям, очень непросто.
 +
 
 +
* '''Интегральные индикаторы и экспертные оценки'''
 +
Интегральный индикатор (рейтинг) — наиболее информативная оценка качества или эффективности сравнимого набора объектов. Для построения интегрального индикатора требуется выбрать и настроить модель — свертку набора частных показателей, каждый из которых характеризует какую-либо одну сторону понятия «качество» или «эффективность». С другой стороны, эксперты могут построить интегральный индикатор набора объектов, опираясь на собственные знания. Однако такой индикатор сложно обосновать. Существуют методы, в которых модели объективизируют экспертные оценки, а экспертные оценки, в свою очередь, позволяют выбирать адекватные модели.
 +
 
 +
== Сотрудничество с журналами Elsevier ==
 +
* Mathematical and Computer Modelling
 +
* Journal of Computational and Applied Mathematics
 +
* Computers and Mathematics with Applications
 +
* Energy
 +
* Journal of Computational and Applied Mathematics
 +
* Communications in Nonlinear Science and Numerical Simulation
 +
* Energy for Sustainable Development
 +
 
 +
== Каталоги ==
 +
* ВАК 05.13.17 — Теоретические основы информатики
 +
* [http://grnti.ru/ ГРНТИ] 27.47.23. — Математические проблемы искусственного интеллекта
 +
== Инструменты ==
 +
* [https://speechpad.ru/ Голосовой блокнот]
 +
* Apps with access to
 +
* [https://inkspace.wacom.com/?stream=web Inkspace]
 +
 
 +
== Черновики ==
 +
*[[Участник:Strijov/Черновики]]

Версия 21:14, 5 января 2020

Вадим Викторович Стрижов

 


Текущие проекты

  • Анализ поведения человека по измерениям датчиков мобильного телефона и носимых устройств. По сигналам акселерометра и гироскопа требуется восстановить элементарные движения человека и описать его поведение.
  1. Задача: создать смесь моделей, которая описывает поведение человека в различных характеристических временах.
  2. Задача: написать процедуру классификации, которая устойчиво работает в мобильном телефоне.
  • Анализ сигналов в электроэнцефалографии, магнитоэнцефалографии, электрокардиографии. Прогнозирование движений конечностей по измерениям датчиков на коре головного мозга

По электрокортикограмме требуется восстановить траекторию движения рук.

  1. Задача: построить нейросеть с качеством прогнозирования, превышающим текущее.
  2. Задача: предложить новый способ описания системы сигналов исходя из гипотезы об их распространении.
  • Оценка оптимального объема выборки при построении моделей медицинской диагностики.
  1. Задача: описать процедуру определения оптимального числа пациентов при постановке исследований в области медицины. Цель - создать и внедрить во врачебную практику метод теоретически обоснованной оценки объемы выборки пациентов, учитывающих адекватную модель классификации.
  • Порождение локальных моделей с помощью конкурирующих нейросетей GAN.
  1. Задача: построить модель, порождающую простые суперпозиции (локальные аппроксимирующие модели) лучшего качества, чем суперпозиции, порождаемые генетическими алгоритмами.
  2. Задача: предложить функцию, штрафующую полносвязный взвешенный граф за его отличие от дерева. Эксперименты проводятся на моделях, аппроксимирующих временные ряды и на моделях, ранжирующих коллекции текстовых документов.
  • Исследование теоретических основ машинного интеллекта. Создание алгоритмов автоматического порождения и выбора моделей. Создание методов алгоритмической постановки задач.
  1. Задача: исследовать модели последовательного и одновременного порождения и выбора признаков.
  2. Задача: предложить алгоритм одновременного выбора параметров и структуры модели, превосходящий по качеству алгоритм смешанной оптимизации и сопоставимый с генетическим.
  3. Задача: исследовать метод порождения признаков, в котором в качестве признаков используются параметры моделей локальной аппроксимации.
  • Построение прикладных систем анализа данных. Распознавание биомедицинских сигналов, анализ поведения сложных систем. Тематическое моделирование, анализ коллекций текстов, построение поисковых систем, структурное обучение. Согласование экспертных оценок, построение рейтингов.

Студенческие проекты и курс «Моя первая научная публикация»

  • Все проекты на страницах групп 274 и YAD.

Прежние проекты

  • Порождение математических моделей

Моделируется физическое, биологическое или другое измеряемое явление. Например, распространение нервного импульса, изменение давление в камере внутреннего сгорания, изменение цены опциона в ходе торгов. Требуется разработать алгоритм, который автоматически порождает модели, понятные специалистам в прикладной области.

  • Обработка космических снимков

Спутник фотографирует поверхность земли. Один и тот же участок фотографируется с интервалом в месяц. Требуется по фотографии определить возможные медленные движения инженерных сооружений, расположенных на поверхности земли.

По данным железнодорожных перевозок и микроэкономическим показателям требуется спрогнозировать загруженность железнодорожного узла.

  • Прогнозирование потребления и цен электроэнергии

По историческим ценам и объемам потребленной электроэнергии требуется сделать почасовой прогноз на следующий день. Визуализация для принятия решений при планировании крупных конференций По тезисам конференции EURO за последние годы требуется построить систему, которая бы визуально рекомендовала научную область и сессию докладчику-новичку.

  • Прогнозирование инфаркта по иммунологическим данным

Есть четыре класса пациентов: после операции, перед операцией и две группы здоровых. Измеряется концентрация определенных белков на поверхности кровяных телец. Измерения дорогие, пациентов мало. Требуется предложить прогностическую модель.

Сообщения

  • Порождение моделей ранжирования текстовых коллекций: текст, постер

Учебные курсы, кафедра «Интеллектуальные системы» МФТИ

Лекции

  • Methods of Preference Learning for Ordinal Classification and Decision Making, slides (pdf).
  • Model generation and selection using coherent Bayesian inference, 28.01.2015 slides (pdf), 22.04.2015 (pdf).
  • Basic Understanding of Quantitative Modelling, slides (pdf).
  • Машинное обучение и моделирование экспериментальных данных, slides (pdf).
  • Создание системы прогнозирования объемов грузовых железнодорожных перевозок, slides (pdf).

Исследовательская группа

Аспиранты Магистры Бакалавры



Кандидатские диссертации

  1. Олег Юрьевич Бахтеев. Выбор моделей глубокого обучения субоптимальной сложности git, автореферат, презентация (PDF). 2020. МФТИ.
  2. Мотренко Анастасия Петровна. Выбор моделей прогнозирования мультикоррелирующих временных рядов, автореферат, презентация (PDF). 2019. МФТИ.
  3. Адуенко Александр Александрович. Выбор мультимоделей в задачах классификации, презентация (PDF). 2017. МФТИ.
  4. Кузьмин Арсентий Александрович. | Построение иерархических тематических моделей коллекций коротких текстов, | презентация (PDF). 2017. МФТИ.
  5. Кузнецов Михаил Павлович. Построение моделей обучения по предпочтениям с использованием порядковых экспертных оценок, презентация (PDF). 2017. МФТИ.
  6. Сологуб Роман Аркадьевич. Методы трансформации моделей в задачах нелинейной регрессии, презентация PDF, полная версия PDF. 2013. МФТИ.

Магистерские диссертации

  1. Гончаров Алексей Владимирович. Построение интерпретируемых моделей глубокого обучения в задаче социального ранжирования, презентация (PDF). 2018. ФУПМ МФТИ.
  2. Исаченко Роман Владимирович. Снижение размерности пространства в задачах анализа временных рядов, презентация (PDF). 2018. ФУПМ МФТИ.
  3. Нейчев Радослав Георгиев. Информативные априорные предположения в задаче привилегированного обучения, презентация (PDF). 2018. ФУПМ МФТИ
  4. Бочкарев Артем Максимович. Структурное обучение для генерации моделей, презентация (PDF). 2018. ФУПМ МФТИ.
  5. Карасиков Михаил Евгеньевич. Построение ранжирующей функции для прогнозирования третичной структуры белка, презентация (PDF). 2017. ФУПМ МФТИ.
  6. Попова Мария Сергеевна. Порождающие и разделяющие модели для генерации новых лекарств. 2017. ФУПМ МФТИ.
  7. Кулунчаков Андрей Сергеевич. Порождение структурно простых ранжирующих функций для задач информационного поиска, презентация (PDF). 2017. ФУПМ МФТИ.
  8. Митяшов Андрей Андреевич. Декомпозиция смеси распределений на основе эмпирических данных в задачах текстовой кластеризации, презентация (PDF). 2016. ФУПМ МФТИ.
  9. Катруца Александр Михайлович. Дискретное квадратичное программирование с релаксацией при отборе признаков, презентация (PDF). 2016. ФУПМ МФТИ.
  10. Бахтеев Олег Юрьевич. Последовательное порождение моделей глубокого обучения оптимальной сложности, презентация (PDF). 2016. ФУПМ МФТИ.
  11. Стенина (Медведникова) Мария Михайловна. Согласование прогнозов в задачах прогнозирования иерархических временных рядов, презентация (PDF). 2015. ФУПМ МФТИ.
  12. Кузьмин Арсентий Александрович. Построение иерархических тематических моделей крупных конференций, презентация (PDF). 2015. ФУПМ МФТИ.
  13. Матросов Михаил Павлович/ Краткосрочное предсказание музыкальных произведений с использованием последовательностей аккордов (PDF), слайды. 2015. ФУПМ МФТИ.
  14. Кузнецова Маргарита Валерьевна. Классификация временных рядов с использованием инвариантных преобразований. 2015. ФУПМ МФТИ.
  15. Жуйков Владимир Владимирович. Рекомендательная система подбора одежды, основанна на метрическом анализе рекламных описаний, презентация (PDF). 2015. ФУПМ МФТИ.
  16. Адуенко Александр Александрович. Топологический анализ пространства параметров в задачах выбора мультимоделей, презентация (PDF). 2015. ФУПМ МФТИ.
  17. Рудой Георгий Игоревич. Алгоритмы индуктивного порождения и упрощения и критерии выбора оптимальной существенно нелинейной регрессионной модели для аппроксимации измеряемых данных, презентация (PDF). 2014. ФУПМ МФТИ.
  18. Фадеев Илья Владимирович. Выбор иерархических моделей в авторегрессионном прогнозировании, презентация (PDF). 2013. ФУПМ МФТИ.
  19. Кононенко Даниил Сергеевич. Оценка параметров инвариантных преобразований в задачах прогнозирования временных рядов, презентация (PDF). 2013. ФУПМ МФТИ.
  20. Мотренко Анастасия Петровна. Оценка объема выборки в задачах прогнозирования, презентация (PDF). 2014. ФУПМ МФТИ.
  21. Кузнецов Михаил Павлович. Построение интегральных индикаторов в задачах с порядковыми признаками, презентация (PDF). 2013. ФУПМ МФТИ.


Бакалаврские диссертации

  1. Гасанов Эльнур Эльдар оглы. Порождение пространства признаков в задачах анализа кортикограмм, Презентация. 2018. ФУПМ МФТИ.
  2. Иванычев Сергей Дмитриевич. Выбор оптимальных моделей локальной аппроксимации для классификации временных рядов, Презентация. 2018. ФУПМ МФТИ.
  3. Смердов Антон Николаевич. Выбор оптимальной модели рекуррентной сети в задачах поиска парафраза, Презентация. 2018. ФУПМ МФТИ.
  4. Уваров Никита Денисович. Выбор суперпозиций моделей при прогнозировании временных рядов, Презентация). 2018. ФУПМ МФТИ.
  5. Усманова Карина Равилевна. Модели обнаружения зависимостей во временных рядах в задачах построения прогностических моделей, Презентация. 2018. ФУПМ МФТИ.
  6. Шибаев Иннокентий Андреевич. Прогнозирование оптимальных суперпозиций в задачах регрессии, Презентация. 2018. ФУПМ МФТИ.
  7. Владимирова Мария Руслановна. Бэггинг нейронных сетей , презентация (PDF). 2017. ФУПМ МФТИ.
  8. Задаянчук Андрей Игоревич. Выбор оптимальной модели классификации временных рядов, презентация (PDF). 2016. ФУПМ МФТИ.
  9. Златов Александр Сергеевич. Построение иерархической модели крупной конференции, презентация (PDF). 2016. ФУПМ МФТИ.
  10. Исаченко Роман Владимирович. Метрическое обучение в задаче многоклассовой классификации временных рядов, презентация (PDF). 2016. ФУПМ МФТИ.
  11. Нейчев Радослав Георгиев. Прогностические мультимодели разномасштабных временных рядов интернета вещей, презентация (PDF). 2016. ФУПМ МФТИ.
  12. Бочкарев Артем Максимович. Порождение экспертно-интерпретируемых моделей петрофизических измерений в лабораторных исследованиях керна, презентация (PDF). 2016. ФУПМ МФТИ.
  13. Гончаров Алексей Владимирович. Методы дискретного и непрерывного выравнивания временных рядов, презентация (PDF). 2016. ФУПМ МФТИ.
  14. Двинских Дарина Михайловна. Выбор суперпозиции моделей при прогнозировании грузовых железнодорожных перевозок, презентация (PDF). 2016. ФУПМ МФТИ.
  15. Попова Мария Сергеевна. Выбор оптимальной сети глубокого обучения в задачах классификации временных рядов, презентация. 2015. ФУПМ МФТИ.
  16. Кулунчаков Андрей Сергеевич. Порождение структурно простых ранжирующих функций для задач информационного поиска, презентация (PDF). 2015. ФУПМ МФТИ.
  17. Газизуллина Римма Камилевна. Построение композиций прогностический моделей и оценка качества прогноза временных рядов, презентация (PDF). 2015. ФУПМ МФТИ.
  18. Карасиков Михаил Евгеньевич. Классификация временных рядов в пространстве параметров порождающих моделей, презентация (PDF). 2015. ФУПМ МФТИ.
  19. Перекрестенко Дмитрий Олегович. Анализ статистической и структурной сложности суперпозиции нейронных сетей, презентация (PDF). 2014. ФУПМ МФТИ.
  20. Митяшов Андрей Андреевич. Предметно-экспертные ограничения для штрафной функции elastic-net в случае логистической регрессии, презентация (PDF). 2014. ФУПМ МФТИ.
  21. Катруца Александр Михайлович. Анализ мультиколлинеарности при выборе признаков, презентация (PDF). 2014. ФУПМ МФТИ.
  22. Стенина (Медведникова) Мария Михайловна. Построение интегральных индикаторов по частично упорядоченным множествам экспертных оценок, презентация (PDF). 2013. ФУПМ МФТИ.
  23. Кузьмин Арсентий Александрович. Проверка адекватности тематических моделей коллекции документов, презентация (PDF). 2013. ФУПМ МФТИ.
  24. Варфоломеева Анна Андреевна. Методы структурного обучения для построения прогностических моделей, презентация (PDF). 2013. ФУПМ МФТИ.
  25. Адуенко Александр Александрович. Совместный выбор объектов и признаков при построении моделей в задачах банковского скоринга, презентация (PDF). 2013. ФУПМ МФТИ.
  26. Кузнецов Михаил Павлович. Уточнение экспертных оценок с помощью измеряемых данных, презентация (PDF). 2011. ФУПМ МФТИ.

Репозитории алгоритмов

Научные интересы

Содержание

  • Теория категорий в распознавании образов

"Я приветствую полугруппу, где бы я ее ни встретил, а встречается она повсюду. Впрочем, от друзей я слышал, что в математике попадаются объекты, отличные от полугрупп" (Эйнар Хилле). Умение видеть алгебраические структуры при решении прикладных задач избавляет исследователя от необходимости изобретать велосипед и показывает, что отнюдь не все измеряемые данные погружены в привычное евклидово пространство. Описанием (а точнее — обобщением и специализацией) различных алгебраических структур занимается теория категорий. "Язык категорий воплощает 'социологический' подход к математическому объекту: группа или пространство рассматривается не как множество с внутренне присущей ему структурой, но как член сообщества себе подобных" (Ю.И. Манин). Сейчас язык теории категорий активно используется в математической физике — там, где модели, описывающие физические процессы, весьма сложны. Применение этого языка при решении прикладных задач распознавания образов позволит получить ясные содержательные определения в сложных ситуациях.

  • Индуктивное порождение и выбор регрессионных моделей

Задачи отыскания регрессионных зависимостей являются большой самостоятельной областью и, кроме этого, появляются в качестве элементов задач распознавания образов. Задачи восстановления регрессии отличаются от задач классификации тем, что на первые наложено требование непрерывности отображения. Задачи восстановления регрессии включают в себя принципы информационного и математического моделирования. Согласно принципам информационного моделирования, в тех случаях, когда нет информации о том, какую модель предпочесть, целесообразно выполнить поиск оптимальной модели в фиксированном или индуктивно порождаемом классе моделей. Согласно принципам математического моделирования, полученная модель должна быть объяснимой с точки зрения эксперта; также модель должна быть несложной и достаточно точной. Найти модель, которая бы отвечала стольким требованиям, очень непросто.

  • Интегральные индикаторы и экспертные оценки

Интегральный индикатор (рейтинг) — наиболее информативная оценка качества или эффективности сравнимого набора объектов. Для построения интегрального индикатора требуется выбрать и настроить модель — свертку набора частных показателей, каждый из которых характеризует какую-либо одну сторону понятия «качество» или «эффективность». С другой стороны, эксперты могут построить интегральный индикатор набора объектов, опираясь на собственные знания. Однако такой индикатор сложно обосновать. Существуют методы, в которых модели объективизируют экспертные оценки, а экспертные оценки, в свою очередь, позволяют выбирать адекватные модели.

Сотрудничество с журналами Elsevier

  • Mathematical and Computer Modelling
  • Journal of Computational and Applied Mathematics
  • Computers and Mathematics with Applications
  • Energy
  • Journal of Computational and Applied Mathematics
  • Communications in Nonlinear Science and Numerical Simulation
  • Energy for Sustainable Development

Каталоги

  • ВАК 05.13.17 — Теоретические основы информатики
  • ГРНТИ 27.47.23. — Математические проблемы искусственного интеллекта

Инструменты

Черновики

Личные инструменты