Участник:Vmottl
Материал из MachineLearning.
| Строка 48: | Строка 48: | ||
Всего более 200 публикаций в Российских и зарубежных изданиях | Всего более 200 публикаций в Российских и зарубежных изданиях | ||
| - | == | + | == Монография == |
| + | |||
| + | [[изображение: BookTitle.jpg|150px|thumb|left]] | ||
| + | |||
Моттль В.В., Мучник И.Б. Скрытые марковские модели в структурном анализе сигналов. М.: Наука, 1999, 352 с. | Моттль В.В., Мучник И.Б. Скрытые марковские модели в структурном анализе сигналов. М.: Наука, 1999, 352 с. | ||
| + | |||
| + | <br>Монография посвящена комплексному изложению задач, теоретических методов и алгоритмов применения ЭВМ для анализа экспериментальных данных упорядоченных вдоль оси некоторого аргумента, главным образом, сигналов. Задачи распознавания образов и обнаружения изменений свойств случайных процессов. Изложение базируется на концепции скрытых марковских моделей, позволяющих строить алгоритмы структурного анализа сигналов как корректные и реализуемые вычислительные процедуры принятия статистических решений. Книга предназначена для инженеров, разрабатывающих алгоритмы анализа сложных сигналов различной природы, прикладных математиков, разрабатывающих вопросы анализа случайных процессов и распознавания образов, а также для аспирантов и студентов кибернетических специальностей высших учебных заведений. | ||
| + | |||
| + | <br clear="all" /> | ||
| + | |||
| + | Главы: | ||
| + | * Глава 1. Введение | ||
| + | * Глава 2. Основные модели и задачи структурного анализа сигналов | ||
| + | * Глава 3. Условно марковский случайных процесс | ||
| + | * Глава 4. Оценивание структурных параметров модели условно марковского случайного процесса с многократно изменяющимися вероятностными свойствами | ||
| + | * Глава 5. Обобщенный случайный процесс с локальными возмущениями: оптимальные решающие правила и алгоритмы распознавания потока событий | ||
| + | * Глава 6. Обучение и самообучение распознаванию потока событий: параметрический подход | ||
| + | * Глава 7. Обучение распознаванию потока событий: прямое восстановление апостериорного потока | ||
| + | * Глава 8. Решающие правила и алгоритмы распознавания последовательности событий для детерминированный модели источника данных | ||
| + | * Глава 9. Обучение распознаванию последовательности событий для детерминированной модели источника данных | ||
| + | * Глава 10. Векторные случайный события и случайные поля со скачкообразно изменяющимися вероятностными свойствами | ||
| + | * Глава 11. Примеры решения прикладных задач структурного анализа сигналов и полей данных | ||
| + | |||
| + | <br>[[Media:BookContent.pdf| Оглавление, PDF [937 Кб]]] | ||
== Ссылки == | == Ссылки == | ||
Версия 16:50, 2 апреля 2016
|
| Вади́м Вячесла́вович Мо́ттль
Российский математик, д.т.н., профессор.
Подробная биография на wikipedia. |
Учебные материалы
Основные направления исследований
Теоретические исследования
- Математические методы анализа данных произвольной природы,
- Линейные подход к машинному обучению,
- Методы беспризнакового распознавания образов,
- Методы оценивания обобщающей способности,
- Методы распознавания образов,
- Методы восстановления числовых зависимостей и регрессионного анализа,
- Методы регуляризации обучения и отбора признаков
- Методы обработки сигналов,
- Скрытые марковские модели.
Прикладные исследования
- Биометрическая идентификация личности,
- Классификация аминокислотных последовательностей белков,
- Оценивание скрытого состава инвестиционного портфеля,
- Анализ данных периодических опросов населения,
- Контроль состояния железнодорожного пути и подвижного состава.
Аспиранты и студенты
Кандидатские диссертации
Основные публикации
Всего более 200 публикаций в Российских и зарубежных изданиях
Монография
Моттль В.В., Мучник И.Б. Скрытые марковские модели в структурном анализе сигналов. М.: Наука, 1999, 352 с.
Монография посвящена комплексному изложению задач, теоретических методов и алгоритмов применения ЭВМ для анализа экспериментальных данных упорядоченных вдоль оси некоторого аргумента, главным образом, сигналов. Задачи распознавания образов и обнаружения изменений свойств случайных процессов. Изложение базируется на концепции скрытых марковских моделей, позволяющих строить алгоритмы структурного анализа сигналов как корректные и реализуемые вычислительные процедуры принятия статистических решений. Книга предназначена для инженеров, разрабатывающих алгоритмы анализа сложных сигналов различной природы, прикладных математиков, разрабатывающих вопросы анализа случайных процессов и распознавания образов, а также для аспирантов и студентов кибернетических специальностей высших учебных заведений.
Главы:
- Глава 1. Введение
- Глава 2. Основные модели и задачи структурного анализа сигналов
- Глава 3. Условно марковский случайных процесс
- Глава 4. Оценивание структурных параметров модели условно марковского случайного процесса с многократно изменяющимися вероятностными свойствами
- Глава 5. Обобщенный случайный процесс с локальными возмущениями: оптимальные решающие правила и алгоритмы распознавания потока событий
- Глава 6. Обучение и самообучение распознаванию потока событий: параметрический подход
- Глава 7. Обучение распознаванию потока событий: прямое восстановление апостериорного потока
- Глава 8. Решающие правила и алгоритмы распознавания последовательности событий для детерминированный модели источника данных
- Глава 9. Обучение распознаванию последовательности событий для детерминированной модели источника данных
- Глава 10. Векторные случайный события и случайные поля со скачкообразно изменяющимися вероятностными свойствами
- Глава 11. Примеры решения прикладных задач структурного анализа сигналов и полей данных
