Анализ графов, сетей и функций сходства (курс лекций, А.И. Майсурадзе)/2018H1, ВМК
Материал из MachineLearning.
(переработка, дополнение) |
м |
||
Строка 1: | Строка 1: | ||
- | * Спецкурс для магистров | + | * Спецкурс для магистров факультета ВМК МГУ. |
- | * Преподаватели: [[Участник:AIM| | + | ** Аспиранты факультета ВМК МГУ слушают его как «[[Метрические методы интеллектуального анализа данных (курс лекций, А.И. Майсурадзе)/2018H1, ВМК|Метрические методы интеллектуального анализа данных]]». |
- | * Весной 2018 года занятия проходят по понедельникам с 14:35 до 16:10 в | + | * Экзамен с оценкой. |
+ | * Преподаватели: к.ф.-м.н. [[Участник:AIM|Арчил Ивериевич Майсурадзе]]. | ||
+ | * Весной 2018 года занятия проходят по понедельникам с 14:35 до 16:10 в аудитории 612. | ||
== Аннотация == | == Аннотация == |
Версия 09:14, 19 апреля 2018
- Спецкурс для магистров факультета ВМК МГУ.
- Аспиранты факультета ВМК МГУ слушают его как «Метрические методы интеллектуального анализа данных».
- Экзамен с оценкой.
- Преподаватели: к.ф.-м.н. Арчил Ивериевич Майсурадзе.
- Весной 2018 года занятия проходят по понедельникам с 14:35 до 16:10 в аудитории 612.
Аннотация
Рассматриваются модели, задачи и методы анализа систем, описание которых базируется на попарном или множественном взаимодействии объектов. Эти объекты могут быть однотипными (гомогенные системы) или разнотипными (гетерогенные системы). В математике приняты 3 основные способа формализации упомянутого взаимодействия.
- Когда важно само наличие или отсутствие взаимодействия, формализация проводится на языке теории графов. Расширении графового описания различными характеристиками вершин и рёбер приводит к сетям.
- Если считается, что каждый набор объектов может быть охарактеризован численно, говорят о расстояниях или сходствах.
- Также описанием взаимодействия объектов может быть порядок на них.
Представлена теоретическая основа для формализации задач и построения, реализации и анализа широкого спектра моделей и методов ИАД. Исследуются эвристические модели данных, описывающие исходную информацию об объектах распознавания на основе различных реализаций понятия сходства. Рассматриваются задачи, требующие решения при реализации указанных моделей. Изучаются специальные структуры данных и алгоритмы, позволяющие эффективно настраивать и использовать изучаемые модели. Идея сходства свойственна человеческому мышлению, это породило целый комплекс подходов для всех фундаментальных задач ИАД — так называемые метрические методы. Рассмотрены методы построения и вычисления функций сходства, согласование сходства на различных множествах объектов, синтез новых способов сравнения объектов на базе уже имеющихся. Рассмотрен комплекс приёмов, предназначенный для эффективного представления и обработки метрической информации вычислительными системами. Рассматриваются характеристики графов, активно используемые при их анализе. Изучаются алгоритмы на графах — как теоретически, так и с точки зрения эффективной реализации. Различные модели роста графов. Построение репрезентативных выборок на графах. Генерация графов с заданными характеристиками. Существенное внимание в курсе уделено многочисленным формализациям кластерного анализа. Показано, какие задачи решают распространённые методы. Проведена типологизация широкого спектра задач кластеризации для гомогенных и гетерогенных систем (бикластеризация, кокластеризация).
Материалы
Ускорение поиска кратчайшего пути