Участник:Podkopaevalex
Материал из MachineLearning.
(→Отчет о научно-исследовательской работе) |
(→Отчет о научно-исследовательской работе) |
||
Строка 9: | Строка 9: | ||
== Отчет о научно-исследовательской работе == | == Отчет о научно-исследовательской работе == | ||
- | '''Весна 2015, 6-й семестр''' | + | ''''Весна 2015, 6-й семестр'''' |
'''Оптимальная Упаковка Белков Методами Выпуклой Оптимизации''' | '''Оптимальная Упаковка Белков Методами Выпуклой Оптимизации''' | ||
Строка 19: | Строка 19: | ||
''Подкопаев А. С., Карасиков М. Е., Максимов Ю. В.'' Оптимальная Упаковка Белков Методами Выпуклой Оптимизации // «Труды МФТИ», том 7, № 4(28), 2015 (опубликована) | ''Подкопаев А. С., Карасиков М. Е., Максимов Ю. В.'' Оптимальная Упаковка Белков Методами Выпуклой Оптимизации // «Труды МФТИ», том 7, № 4(28), 2015 (опубликована) | ||
+ | |||
+ | |||
'''Осень 2015, 7-й семестр''' | '''Осень 2015, 7-й семестр''' |
Версия 15:27, 17 января 2016
МФТИ, ФУПМ
Кафедра "Интеллектуальные системы"
Направление "Интеллектуальный анализ данных"
podkopaev@phystech.edu
Отчет о научно-исследовательской работе
'Весна 2015, 6-й семестр'
Оптимальная Упаковка Белков Методами Выпуклой Оптимизации
В данной статье рассматривается задача предсказания упаковки белковых молекул в мультимерный комплекс в приближении жестких тел. Для решения поставленной задачи предлагается использовать методы выпуклой оптимизации, например, полуопределенные релаксации. Недостатком большинства существующих алгоритмов (жадных алгоритмов и других) является их вычислительная сложность. В данной работе предлагаются алгоритмы меньшей вычислительной сложности, полученные в результате применения теории графов. Основным результатом является оценка их качества, сравнение с алгоритмами, использовавшимися ранее.
Публикация
Подкопаев А. С., Карасиков М. Е., Максимов Ю. В. Оптимальная Упаковка Белков Методами Выпуклой Оптимизации // «Труды МФТИ», том 7, № 4(28), 2015 (опубликована)
Осень 2015, 7-й семестр
Time Complexity of Structural Risk Minimization
В данной работе рассматривается задача обучения по прецедентам. Пусть задана обучающая выборка, на которой известны значения меток классов. Пусть также классификаторы принадлежат некоторому семейству. В соответствии со стандартной постановкой, требуется из данного семейства выбрать тот классификатор, который будет наилучшим образом аппроксимировать целевую зависимость. В данной статье будет рассмотрены особенности работы оптимизационных алгоритмов (а точнее, учет их вычислительной сложности и точности) при решении задач обучения по прецедентам.
Технический отчет
Подкопаев А. С. Time Complexity of Structural Risk Minimization // Сервер вычислительных экспериментов mvr.jmlda.org