Участник:Aleksandra.Tokmakova
Материал из MachineLearning.
МФТИ, ФУПМ
Кафедра "Интеллектуальные системы"
Направление "Интеллектуальный анализ данных"
Mailto: aleksandra-tok@yandex.ru
Отчет о научно-исследовательской работе за 6 семестр
Название
Выделение периодической компоненты из временного ряда
Аннотация
В проекте исследуется временной ряд на наличие периодической компоненты. На основе теории о рядах Фурье строится тригонометрическая интерполяция предложенных временных рядов методом наименьших квадратов. Также производится оценка параметров функции метода наименьших квадратов в зависимости от качества прогнозирования. В вычислительном эксперименте приводятся результаты работы корреляционной функции и метода наименьших квадратов на зашумлённом модельном синусе и реальном временном ряде электрокардиограммы.
Ключевые слова: корреляционная функция, тригонометрическая интерполяция, метод наименьших квадратов, периодическая компонента.
Публикации
А.А.Токмакова Выделение периодической компоненты из временного ряда // Машинное обучение и анализ данных. — 2011. — № 1. — С. 40-50. — ISSN 2223-3792(опубликовано).
| BibTeX: |
@article{Tokmakova2011Periodic,
author = "А.А.Токмакова",
title = "Выделение периодической компоненты из временного ряда",
journal = "Машинное обучение и анализ данных",
number = "1",
pages = "40-50",
url = "https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Tokmakova2011Periodic",
year = "2011",
language = russian
}
|
Отчет о научно-исследовательской работе за 7 семестр
Название
Получение устойчивых оценок гиперпараметров линейных регрессионных моделей
Аннотация
В работе решается задача отбора признаков при восстановлении линейной регрессии. Принята гипотеза о~нормальном распределении вектора зависимой переменной и~параметров модели. Для оценки ковариационной матрицы параметров используется аппроксимация Лапласа: логарифм функции ошибки приближается функцией нормального распределения. Исследуется проблема присутствия в выборке шумовых и коррелирующих признаков, так как при их наличии матрица ковариаций параметров модели становится вырожденной. Предлагается алгоритм, производящий отбор информативных признаков. В вычислительном эксперименте приводятся результаты исследования на временном ряде.
Ключевые слова: байесовский вывод, ковариационная матрица, гиперпараметры модели, отбор признаков, регрессия.
Публикации
А.А.Токмакова Получение устойчивых оценок гиперпараметров линейных регрессионных моделей // Машинное обучение и анализ данных. — 2011. — № 2. — С. 140-155. — ISSN 2223-3792(опубликовано).
| BibTeX: |
@article{Tokmakova2011HyperPar,
author = "А.А.Токмакова",
title = "Получение устойчивых оценок гиперпараметров линейных регрессионных моделей",
journal = "Машинное обучение и анализ данных",
number = "2",
pages = "140-155",
url = "https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Zaytsev2012MasThesis/Tokmakova2011HyperPar",
year = "2011",
language = russian
}
|
А.А.Токмакова Оценивание гиперпараметров линейных регрессионных моделей при отборе шумовых и коррелирующих признаков // Информатика и её применения(принято в печать). — 2012. — № 4. — ISSN 1992-2264.
| BibTeX: |
@article{Tokmakova2011Hyperpar,
author = "А.А.Токмакова",
title = "Оценивание гиперпараметров линейных регрессионных моделей при отборе шумовых и коррелирующих признаков",
journal = "Информатика и её применения(принято в печать)",
number = "4",
year = "2012",
language = russian
}
|
Отчет о научно-исследовательской работе за 8 семестр
Название
Оценка гиперпараметров линейных регрессионных моделей методом максимального правдоподобия при отборе шумовых и коррелирующих признаков
Аннотация
Рассматривается задача выбора регрессионной модели. Предполагается, что вектор параметров модели − многомерная случайная величина с независимо распределёнными компонентами. В работе предложен способ оптимизации праметров и гиперпараметров. Приведены явные оценки гиперпараметров для случая линейных и нелинейных моделей. Показано как полученные оценки используются для отбора признаков. Предложенный подход сравнивается с подходом, использующим для лценки гиперпараметров аппроксимацию Лапласа.
Ключевые слова: регрессия, выбор признаков, распределение параметров, оценка гипертараметров, байесовский вывод.
Публикации
А.А.Токмакова и А.А.Зайцев Оценка гиперпараметров регрессионных моделей методом максимального правдоподобия // Информационные технологии. — 2012. — № 11. — ISSN 1684-6400(принято в печать).
| BibTeX: |
@article{ZaytsevTokmakova2012Likelihood,
author = "А.А.Токмакова и А.А.Зайцев",
title = "Оценка гиперпараметров регрессионных моделей методом максимального правдоподобия",
journal = "Информационные технологии",
number = "11",
year = "2012",
language = russian
}
|
А.А.Токмакова и А.А.Зайцев Оценка гиперпараметров линейных регрессионных моделей методом максимального правдоподобия при отборе шумовых и коррелирующих признаков // Машинное обучение и анализ данных. — 2012. — № 3. — С. 347-353. — ISSN 2223-3792(опубликовано).
| BibTeX: |
@article{Tokmakova2012Hyperpar,
author = "А.А.Токмакова и А.А.Зайцев",
title = "Оценка гиперпараметров линейных регрессионных моделей методом максимального правдоподобия при отборе шумовых и коррелирующих признаков",
journal = "Машинное обучение и анализ данных",
number = "3",
pages = "347-353",
url = "https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Zaytsev2012MasThesis/True_likelihood",
year = "2012",
language = russian
}
|
Доклады на научных конференциях
2012, апрель. Участие в XIX Международной конференции студентов, аспирантов и молодых ученых «Ломоносов» с работой «Оценка ковариационных матриц параметров модели при восстановлении линейной регрессии»
Гранты
«Оценивание гиперпараметров линейных регрессионных моделей при отборе шумовых и коррелирующих признаков», ПГАС
