Участник:Karina.usmanova

Материал из MachineLearning.

Версия 17:37, 21 мая 2019

Усманова Карина Равилевна

• МФТИ, ФУПМ, M05-874
• Кафедра «Интеллектуальные системы»
• Направление «Интеллектуальный анализ данных»

Отчеты о научно-исследовательской работе

Весна 2017, 6-й семестр

Множественная диагонализация для 3D структур

Работа посвящена построению модели движения белка по двум его заданным состояниям. Для описания движения белка в окрестности устойчивого состояния используется модель эластичного тела. Движение белка как эластичного тела задается гессианом энергии взаимодействия его атомов. Модель эластичного тела, построенная для одной устойчивой конформации не способна достаточно точно описать переход в другую конформацию. Целью работы является доработка модели эластичного тела таким образом, чтобы она могла описывать переходы между двумя конформациями. Для этого предлагается строить модель эластичного тела с использованием не одной, а двух устойчивых конформаций. Построенная таким способом модель позволит аппроксимировать переход между заданными конформациями. Для построения модели, общей для двух состояний, необходимо найти общие приближенные собственные векторы гессианов энергии в этих состояниях. Для нахождения общих собственных векторов двух гессианов предлагается использовать алгоритмы приближенной совместной диагонализации. В работе проводится вычислительный эксперимент по сравнению различных алгоритмов приближенной совместной диагонализации, а также их сравнение с алгоритмом точной диагонализацией двух регуляризованных гессианов.

К.Р.Усманова, М.Е Карасиков, С.В Грудинин Множественная диагонализация для 3D структур

Осень 2017, 7-й семестр

Анализ зависимостей между показателями при прогнозировании объема грузоперевозок

В работе анализируется взаимосвязь и согласованность показателей в системе управления, мониторинга состояния и отчетности железнодорожных грузоперевозок. Рассматриваются макроэкономические временные ряды, содержащие управляющие воздействия, состояние, и целевые показатели. Предполагается, что управление, состояние и целеполагание статистически связаны. Для установления связи используется тест Гренджера. Считается, что два временных ряда связанны, если использование истории одного из рядов улучшает качество прогноза другого. Цель анализа состоит в повышении качества прогноза объема грузоперевозок. Вычислительный эксперимент выполнен на данных об объеме грузоперевозок, управляющих воздействиях и установленных целевых критериях.

Готовится к публикации

К.Р. Усманова, C.П.Кудияров, Р.В. Мартышкин, Е.В. Попова, В.В. Стрижов

Весна 2019, 10-й семестр

Модели обнаружения зависимостей во временных рядах в задачах построения прогностических моделей

При прогнозировании сложноорганизованных временных рядов, зависящих от экзогенных факторов и имеющих множественную периодичность, требуется решить задачу выявления связанных пар рядов. Предполагается, что добавление этих рядов в модель повышает качество прогноза. В данной работе для обнаружения связей между временными рядами предлагается использовать метод сходящегося перекрестного отображения. При таком подходе два временных ряда связаны, если существуют их траекторные подпространства, проекции на которые связаны. В свою очередь, проекции рядов на траекторные подпространства связаны, если окрестность фазовой траектории одного ряда отображается в окрестность фазовой траектории другого ряда. Ставится задача отыскания траекторных подпространств, обнаруживающих связь рядов. Решение этой задачи продемонстрировано на двух наборах рядов: потребление электроэнергии и температура воздуха, объем железнодорожных перевозок нефти и объем добычи нефти.

Опубликована в журнале «Системы и средства информатики»

К.Р. Усманова, В.В. Стрижов