Участник:Rita Kuznetsova
Материал из MachineLearning.
(Новая: Кузнецова Маргарита Валерьевна, ФУПМ, 974 группа. == Отчет о научно-исследовательской работе == <big>'''Осе...) |
|||
| (4 промежуточные версии не показаны) | |||
| Строка 1: | Строка 1: | ||
| + | __NOTOC__ | ||
| + | '''МФТИ, ФУПМ''' | ||
| + | |||
| + | Кафедра "'''Интеллектуальные системы'''" | ||
| + | |||
| + | Направление "'''Интеллектуальный анализ данных'''" | ||
| + | |||
Кузнецова Маргарита Валерьевна, | Кузнецова Маргарита Валерьевна, | ||
ФУПМ, 974 группа. | ФУПМ, 974 группа. | ||
| Строка 9: | Строка 16: | ||
'''Локальное прогнозирование временных рядов с использованием инвариантных преобразований''' | '''Локальное прогнозирование временных рядов с использованием инвариантных преобразований''' | ||
| - | '' | + | ''Работа посвящена построению прогностической модели одномерного временного ряда. Предлагается найти сегменты локальной предыстории, похожие на прогнозируемый сегмент. Эти сегменты объединяются в кластер, так как они близки по заданной функции расстояния. Прогностическое значение вычисляется путем усреднения значений временных рядов кластера. |
| + | Для повышения качества прогнозирования вводится инвариантное преобразование сегментов временного ряда- преобразования, сохраняющего эквивалентность на кластерах. | ||
| + | Используя это преобразование, получим ретроспективный прогноз временного ряда. Для преобразования используется функция, построенная с помощью метода динамического выравнивания временных рядов. Предложенный алгоритм проиллюстрирован временными рядами, описывающими движение человека и содержащими показания акселерометра. В вычислительном эксперименте сравниваются два алгоритма построения прогностической модели- с кластеризацией сегментов временного ряда и с использованием метода ближайшего соседа. '' | ||
'''Подготовлена статья''' | '''Подготовлена статья''' | ||
| - | '' | + | ''M.В. Кузнецова, В.В. Стрижов'' Локальное прогнозирование временных рядов с использованием инвариантных преобразований // подано в Информационные технологии. |
| - | [https://svn.code.sf.net/p/mlalgorithms/code/Group974/Kuznetsova2014TimeSeries/doc/ | + | [https://svn.code.sf.net/p/mlalgorithms/code/Group974/Kuznetsova2014TimeSeries/doc/KuznetsovaTimeSeries.pdf?format=raw] |
<big> | <big> | ||
| + | |||
| + | ===Участие в конференциях=== | ||
| + | |||
| + | 57-я международная научная конференция МФТИ. 24-29 ноября 2014г. Доклад "Локальное прогнозирование временных рядов с использованием инвариантных преобразований". | ||
Текущая версия
МФТИ, ФУПМ
Кафедра "Интеллектуальные системы"
Направление "Интеллектуальный анализ данных"
Кузнецова Маргарита Валерьевна, ФУПМ, 974 группа.
Отчет о научно-исследовательской работе
Осень 2014, 11-й семестр
Локальное прогнозирование временных рядов с использованием инвариантных преобразований
Работа посвящена построению прогностической модели одномерного временного ряда. Предлагается найти сегменты локальной предыстории, похожие на прогнозируемый сегмент. Эти сегменты объединяются в кластер, так как они близки по заданной функции расстояния. Прогностическое значение вычисляется путем усреднения значений временных рядов кластера. Для повышения качества прогнозирования вводится инвариантное преобразование сегментов временного ряда- преобразования, сохраняющего эквивалентность на кластерах. Используя это преобразование, получим ретроспективный прогноз временного ряда. Для преобразования используется функция, построенная с помощью метода динамического выравнивания временных рядов. Предложенный алгоритм проиллюстрирован временными рядами, описывающими движение человека и содержащими показания акселерометра. В вычислительном эксперименте сравниваются два алгоритма построения прогностической модели- с кластеризацией сегментов временного ряда и с использованием метода ближайшего соседа.
Подготовлена статья
M.В. Кузнецова, В.В. Стрижов Локальное прогнозирование временных рядов с использованием инвариантных преобразований // подано в Информационные технологии.
Участие в конференциях
57-я международная научная конференция МФТИ. 24-29 ноября 2014г. Доклад "Локальное прогнозирование временных рядов с использованием инвариантных преобразований".
