Участник:A m0r0z0v
Материал из MachineLearning.
(→Отчеты о научно-исследовательской работе) |
(→Осень 2020) |
||
| Строка 188: | Строка 188: | ||
'''Публикация''' | '''Публикация''' | ||
*{{биб.статья | *{{биб.статья | ||
| - | |автор = | + | |автор = A. Morozov, B. Angulo, V. Mottl, O. Krasotkina, A. Tatarchuk |
|заглавие = Selectivity Verification in High Dimensional Dependence Models | |заглавие = Selectivity Verification in High Dimensional Dependence Models | ||
|год = 2020 | |год = 2020 | ||
Версия 10:01, 16 декабря 2020
Морозов Алексей Олегович
МФТИ, ФУПМ
Кафедра "Интеллектуальные системы"
Направление "Интеллектуальный анализ данных"
ao.morozov@phystech.edu
Содержание |
Отчеты о научно-исследовательской работе
Осень 2017
Исследование свойств функции обоснованности в линейных моделях зависимости данных
Разработка алгоритмов максимизации функции обоснованности обобщенных линейных моделях данных
Весна 2017
Исследование метода максимального правдоподобия для выбора значений гиперпараметров в моделях зависимости данных
Разработка алгоритмов максимизации функции правдоподобия обобщенных линейных и нелинейных моделях данных
Осень 2017
Верификация моделей нестационарных зависимостей
Разработка алгоритмов скользящего контроля для регрессионных моделей с ограничениями.
Весна 2018
Идентификации модели нестационарного портфеля по временному ряду его доходностей и большому массиву доходностей биржевых активов
Разработаны алгоритмы регуляризации моделей инвестиционных портфелей по принципу минимума риска разорения. Принята к печати научная статья в журнале Springer.
Доклад на научной конференции
- O. Krasotkina, V. Mottl, A. Morozov, D. Babichev, I. Pugach, M. Markov Constrained Regularized Regression Model Search in Large Sets of Regressors // Machine Learning and Data Mining in Pattern Recognition. MLDM 2018. Lecture Notes in Computer Science, vol 10935. Springer, Cham. — 2018. — С. 394--408.
DOI: https://doi.org/10.1007/978-3-319-96133-0_30
ISBN: 978-3-319-96133-0
Осень 2018
Алгоритмическая реализация методологии оценивания состава инвестиционных портфелей
Обеспечена линейная вычислительная сложность алгоритма поиска состава портфеля в очень большом множестве всех биржевых активов, в то время, как сложность по относительно небольшому числу наблюдений остается полиномиальной.
Доклад на научной конференции
- Моттль В. В., Морозов А. О., Красоткина О. В., Медведев А. В. Алгоритмическая реализация методологии оценивания состава инвестиционных портфелей // Интеллектуализация обработки информации (ИОИ-2018): Тезисы докл.— Москва: Торус Пресс, 2018. С. 104–105..
- Моттль В. В., Морозов А. О., Красоткина О. В. Оценивание состава инвестиционного портфеля в большом множестве биржевых активов // Интеллектуализация обработки информации (ИОИ-2018): Тезисы докл.— Москва: Торус Пресс, 2018. С. 100–101..
Доклад на научной конференции
- Морозов А. О., Моттль В. В. Алгоритмическая реализация методологии оценивания состава инвестиционных портфелей // 61-я Всероссийская научная конференция МФТИ: Труды, Прикладная математика и информатика — МФТИ, 2018. С. 116–118..
Весна 2019
Алгоритмическая реализация восстановления зависимостей произвольного вида в больших массивах данных
Исследован класс обобщенных линейных моделей зависимостей, включающий модели числовой регрессии и двухклассового распознавания образов в типичной для практики ситуации, когда вектор признаков объектов имеет очень большую размерность, а число объектов в обучающей совокупности относительно невелико. Установлено, что вычислительная сложность таких задач линейна по числу признаков и полиномиальна по размеру обучающей совокупности.
Публикация
- V. Mottl, A. Morozov, O. Krasotkina, V. Sulimova, I. Pugach, A. Tatarchuk Linear complexity algorithms for high dimensional SVM and regression problems with smart sparse regularization. — 2019.
Осень 2019
Снижение вычислительной сложности восстановления обобщенных линейных моделей зависимостей
Создание единой методологии построения алгоритмов восстановления широкого класса зависимостей по большим массивам эмпирических данных в терминах обобщенных линейных моделей
Доклад на научной конференции
- Морозов А. О., Моттль В. В., Сулимова В. В. Последовательное восстановление обобщенных линейных моделей зависимостей по возрастающей обучающей совокупности // Математические методы распознавания образов: Тезисы докладов 19-й Всероссийской конференции с международным участием, г. Москва 2019 г. — М.: Российская академия наук, 2019. — 420 с..
- Ангуло Б. Ф., Морозов А. О., Моттль В. В. Метод дифференциальной поэлементной кросс-валидации для выбора уровня сложности обобщенных линейных моделей зависимостей // Математические методы распознавания образов: Тезисы докладов 19-й Всероссийской конференции с международным участием, г. Москва 2019 г. — М.: Российская академия наук, 2019. — 420 с..
- Моттль В. В., Сулимова В. В., Морозов А. О., Пугач И. А., Татарчук А. И. Вычислительная сложность восстановления обобщенных линейных моделей зависимостей // Математические методы распознавания образов: Тезисы докладов 19-й Всероссийской конференции с международным участием, г. Москва 2019 г. — М.: Российская академия наук, 2019. — 420 с..
- Сулимова В. В., Красоткина О. В., Виндридж Д., Моттль В. В., Морозов А. О. Интерфейс мозг-компьютер: Распознавание визуальных электроэцефалографических потенциалов врача при чтении маммограмм // Математические методы распознавания образов: Тезисы докладов 19-й Всероссийской конференции с международным участием, г. Москва 2019 г. — М.: Российская академия наук, 2019. — 420 с..
ISBN: 978-5-907036-76-5
Публикация
- V. Mottl, O. Krasotkina, V. Sulimova, A. Morozov, I. Pugach, A. Tatarchuk. Linear complexity algorithms for high dimensional SVM and regression problems with smart sparse regularization // Proceedings, Machine Learning and Data Mining in Pattern Recognition, Petra Perner (Ed.), 15th International Conference on Machine Learning and Data Mining, MLDM 2019, vol. I, New York, NY, USA, July 20-25, 2019, ibai-publishing, ISSN (Print) 1864-9734, ISSN (Online) 2699-5220, ISBN 978-3-942952-62-0, pages 444.. — 2019. — С. 419--437.
- V. Mottl, V. Sulimova, O. Krasotkina, A. Morozov, A. Tatarchuk, I. Pugach. Computational Complexity of Dependence Estimation via Generalized Linear Models in Multidimensional Feature Spaces // 2019 International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON), Novosibirsk, Russia, 2019, pp. 0719-0724. — 2019.
DOI: https://doi.org/10.1109/SIBIRCON48586.2019.8958417
ISBN: 978-1-7281-4402-3
Весна 2020
Дифференциальная кросс-валидационная схема в обобщенных линейных моделях
Разработка методологии дифференциальной кроссвалидационной схемы для подбора гиперпараметров в обобщенных линейных моделях
Публикация
- V. Mottl, V. Sulimova, O. Krasotkina, A. Morozov, A. Tatarchuk, I. Pugach. Differential Leave-One-Out Cross-Validation for Hyperparameter Optimization in Generalized Linear Dependence Models. — 2020. (принята к рассмотрению)
Осень 2020
Верификация моделей многомерных зависимостей
Реализация схемы для подбора гиперпараметров путем дифференциальной кросс-валидации
Публикация
- A. Morozov, B. Angulo, V. Mottl, O. Krasotkina, A. Tatarchuk Selectivity Verification in High Dimensional Dependence Models. — 2020.
(статья принята на конференцию S.A.I.ence-2020)
