Участник:Nkzh

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Осень 2012, 11-й семестр)
 
(4 промежуточные версии не показаны)
Строка 3: Строка 3:
'''МФТИ, ФУПМ'''
'''МФТИ, ФУПМ'''
-
Кафедра "'''Интеллектуальные системы'''"
+
Аспирант кафедры "'''Интеллектуальные системы'''"
-
Направление "'''Интеллектуальный анализ данных'''"
+
== Теория статистического обучения ==
-
 
+
Конспект уже прочитанных лекций по [[Теория статистического обучения (курс лекций, Н. К. Животовский)|ссылке]].
-
nikita.zhivotovskiy@phystech.edu
+
-
 
+
-
== Отчеты о научно-исследовательской работе ==
+
-
 
+
-
=== Осень 2011, 9-й семестр ===
+
-
 
+
-
'''Оценка частоты тестовой ошибки с помощью скользящего контроля'''
+
-
 
+
-
''На практике для оценивания обобщающей способности обучаемых алгоритмов часто используется оценка скользящего контроля с одним отделяемым объектом LOO (leave-one-out cross-validation). Несмотря на широкое применение, известные теоретические обоснования LOO пока либо сильно привязаны к конкретному методу обучения, либо представляют собой сильно завышенные оценки вероятности большого отклонения действительной вероятности ошибки от оценки LOO. В работе используется комбинаторный подход, с помощью которого удается значительно улучшить ранние результаты.''
+
-
 
+
-
'''Публикации'''
+
-
 
+
-
''Животовский Н.К.'' Комбинаторные оценки вероятности отклонения тестовой ошибки от ошибки скользящего контроля // '', ММРО — 15, 2011. — С. 52-55'' (опубликовано)
+
-
 
+
-
=== Весна 2012, 10-й семестр ===
+
-
'''Вопросы точности комбинаторных оценок вероятности переобучения'''
+
-
 
+
-
''Одной из главных задач статистической теории обучения является оценивание обощающей способности обучающихся алгоритмов. Оценки, получаемые с помощью теории Вапника-Червоненкиса являются черезмерно завышенными и часто теряют свой практический смысл. Но с помощью комбинаторной теории переобучения удается не только улучшить известные оценки, но даже в некоторых частных случаях получить эффективно вычисляемые точные оценки. Целью работы является описание всех семейств алгоритмов, для которых комбинаторные оценки расслоения-связности точны.''
+
-
 
+
-
Часть результатов изложена в 9-ом семестре на конференции МФТИ. В 10-ом семестре оформлена статья, посвященная подробному описанию искомых семейств. Результаты статьи также докладывались на семинаре, посвященном комбинаторному подходу к оценке вероятности переобучения.
+
-
 
+
-
'''Публикации'''
+
-
 
+
-
''Животовский Н.К.'' Критерий точности комбинаторных оценок вероятности переобучения //'' МФТИ-54, том 2, 2011, С. 99-100'' (опубликовано)
+
-
 
+
-
=== Осень 2012, 11-й семестр ===
+
-
 
+
-
'''Публикации'''
+
-
 
+
-
''Животовский Н.К., Воронцов К.В.'' Критерий точности комбинаторных оценок вероятности переобучения // ''Интеллектуализация обработки информации. Доклады 9-й международной конференции'', 2012.
+
-
 
+
-
''Животовский Н.К.'' Комбинированный порождающий и разделяющий подходы в задачах классификации с малой выборкой // ''Машинное обучение и анализ данных'', 2012, №4.
+
-
 
+
-
Магистерская диссертация: ''[[Media:Zhivotivskiy2013MsThesis.pdf|Концентрация меры в комбинаторных оценках обобщающей способности]]'', научный руководитель: ''[[Участник:vokov|Воронцов К. В.]]''
+

Текущая версия

Животовский Никита Кириллович

МФТИ, ФУПМ

Аспирант кафедры "Интеллектуальные системы"

Теория статистического обучения

Конспект уже прочитанных лекций по ссылке.

Личные инструменты