Участник:Vmottl

Материал из MachineLearning.

Перейти к: навигация, поиск

Содержание

Изображение:VMOTTLsmall.jpg    Вади́м Вячесла́вович Мо́ттль

Российский математик, д.т.н., профессор.
Ведущий научный сотрудник Вычислительного центра ФИЦ ИУ РАН.
Профессор кафедры «Интеллектуальные системы» ФУПМ МФТИ.
Профессор-консультант Тульского государственного университета,
Эксперт Российского фонда фундаментальных исследований.

Подробная биография на wikipedia.

Мне можно написать письмо.

Теоретические исследования

  • Линейные методы восстановления зависимостей по эмпирическим данным. Презентация, PDF [936 Кб].
  • Невыпуклые задачи оптимизации в методологии обучения распознаванию образов. Презентация, PDF [725 Кб].
  • Математические методы анализа данных произвольной природы.
  • 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


Оглавление, PDF [342 Кб]

Ссылки


Написать письмо В.В. Моттлю.

Личные инструменты