Участник:Rita Kuznetsova

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
 
(3 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'''
-
''Данная работа посвящена построению локально–прогностической модели одномерного временного ряда. Для получения прогноза временного ряда предлагается найти сегменты локальной предыстории, похожие на прогнозируемые значения. Эти сегменты объединяются в кластеры, близкие по заданной функции сходства. Для повышения качества прогнозирования предлагается ввести монотонное преобразование амплитуды и времени двух временных рядов, и, используя параметры этих преобразований, отнести инвариантные преобразования к соответствующим классам эквивалентности. Для построения инвариантных преобразований используется функция выравнивания шкалы времени, построенная с помощью пути наименьшей стоимости.''
+
''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'''
-
''Р.В. Кузнецова, В.В. Стрижов'' Локальное прогнозирование временных рядов с использованием инвариантных преобразований // будет подано в Информационные технологии.
+
''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/TimeSeries.pdf?format=raw]
+
[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.

[1]

Участие в конференциях

57-я международная научная конференция МФТИ. 24-29 ноября 2014г. Доклад "Локальное прогнозирование временных рядов с использованием инвариантных преобразований".

Личные инструменты