Участник:Anastasiya

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
м (Другое)
 
(56 промежуточных версий не показаны.)
Строка 1: Строка 1:
__NOTOC__
__NOTOC__
-
'''МФТИ, ФУПМ'''
+
Анастасия Мотренко, аспирант факультета управления и прикладной математики МФТИ
Кафедра "'''Интеллектуальные системы'''"
Кафедра "'''Интеллектуальные системы'''"
Строка 6: Строка 6:
Направление "'''Интеллектуальный анализ данных'''"
Направление "'''Интеллектуальный анализ данных'''"
-
email: anastasia.motrenko@gmail.com
+
email: anastasiya.motrenko@phystech.edu
-
== Отчет о научно-исследовательской работе ==
+
* [[Медиа: Motrenko2016CV.pdf | Список работ и проектов к декабрю 2016 (pdf) ]]‎
-
=== Весна 2011, 6-й семестр===
+
* [http://elibrary.ru/author_items.asp?authorid=821567 Список публикаций согласно elibrary.ru]
-
'''Использование теста Грейнджера при прогнозировании временных рядов'''
+
* [https://scholar.google.com/citations?hl=en&user=57ovHDMAAAAJ Список публикаций на GoogleScholar]
-
''При прогнозировании ряда бывает полезно определить, является ли данный ряд "зависимым" от некоторого другого ряда. Выявить подобную связь помогает тест Грейнджера, основанный на статистических тестах(при этом метод не гарантирует точного результата - при сравнении двух рядов, зависящих от еще одного ряда возможна ошибка). Метод применяется при прогнозировании экономических явлений и явлений природного характера (например, землятрясений).
+
= Научно-исследовательская работа =
-
Цель работы - предложить алгоритм, наилучшим образом использующий данный метод; исследовать эффективность метода в зависимости от прогнозируемых рядов.''
+
-
'''Публикация'''
+
== Оценка объема выборки ==
-
*{{Статья
+
'''Публикации''':
-
|автор = Мотренко А. П.
+
# Aduenko A., Motrenko A., Strijov V. Object selection in credit scoring using covariance matrix of parameters estimations, accepted to Annals of Operations Research (January 2017) DOI: 10.1007/s10479-017-2417-3
-
|название = Использование теста Грейнджера при прогнозировании временных рядов
+
# Магистерская диссертация: Оценка объема выборки в задачах прогнозирования, МФТИ, 2014.
-
|журнал = Машинное обучение и анализ данных
+
# Motrenko A., Strijov V., Weber G.-W. Bayesian sample size estimation for logistic regression // Journal of Computational and Applied Mathematics, 2014, 255 — 743-752.
-
|год = 2011
+
# Мотренко А.П. Оценка необходимого объема выборки пациентов при прогнозировании сердечно-сосудистых заболеваний // Машинное обучение и анализ данных, 2012. № 3. — С. 354-366.
-
|номер = 1
+
# Мотренко А.П., Стрижов В.В. Многоклассовая логистическая регрессия // Известия ТулГУ, 2012. № 1. С. 153-162.
-
|ISSN = 2223-3792
+
-
|язык = russian
+
-
|страницы = 51-60
+
-
|url = http://mlalgorithms.svn.sourceforge.net/viewvc/mlalgorithms/JMLDA/2011no1/pdf/Motrenko2011GrandgerForc.pdf
+
-
}}
+
-
=== Осень 2011, 7-й семестр===
+
'''Доклады''':
-
'''Многоклассовый прогноз вероятности наступления инфаркта'''
+
# Мотренко А. П., [[Media:Motrenko2015MMPR.pdf|Оценка объема выборки в задачах классификации]] // Математические методы распознавания образов, г. Светлогорск, Калининградская область, 19-25 сентября 2015.
 +
# Motrenko A. Bayesian Sample Size Estimation for Patient Classification Survey // 20th Conference of the International Federation of Operational Research Societies, July, Barcelona, 2014.
 +
# Motrenko A. Small CVD sample set classification: generative versus discriminative // XXVI EURO conference, Rome, July 2013.
 +
# Motrenko A. Multiclass classification of cardio-vascular disease patients with sample size estimation // XXV EURO conference, Vilnius, July 2012.
-
''В работе описан алгоритм, позволяющий классифицировать четыре группы пациентов:
+
'''Гранты''':
-
перенесших инфаркт; больных, имеющих предрасположенность к инфаркту и здоровых
+
РФФИ 12-07-31095 мол_а, 14-07-31045 мол_а, грант на обучение в аспирантуре МФТИ
-
пациентов двух групп. Признаками для определения состояния пациента служат измере-ния концентрации белков в крови. Одной из задач работы является выбор набора марке-ров, оптимального для разделения между собой соответствующих групп. Классификация
+
-
осуществляется по принципу «каждый против каждого», то есть решаются задачи клас-сификации всевозможных пар групп. В силу высокой стоимости анализа крови, объемы
+
-
данных невелики, поэтому одним из результатов исследования является оценка необходи-мого объема выборки пациентов.''
+
-
'''Публикация'''
+
== Прогнозирование временных рядов ==
-
*{{Статья
+
# Rudakov, V.V. Strizhov, D.O. Kashirin, M.P. Kuznetsov, A.P. Motrenko, M.M. Stenina. Selecting an Optimal Model for Forecasting the Volumes of Railway Goods Transportation // Automation and Remote Control, 2017, Vol. 78, No. 1, pp. 74-87. Original Russian Text published in Avtomatika i Telemekhanika, 2017, No. 1, pp. 91-105.
-
|автор = Мотренко А. П.
+
# Мотренко А.П., Рудаков К.В., Стрижов В.В. Учет влияния экзогенных факторов при непараметрическом прогнозировании временных рядов // Вестник Московского Университета. Серия 15. Вычислительная математика и кибернетика, 2016. Т. 36, №2, С.20-27. <br> Combining endogenous and exogenous variables in a special case of non-parametric time series forecasting model. ISSN 0278-6419, Moscow University Computational Mathematics and Cybernetics, 2016, Vol. 36, No. 2, pp. 71–78. c Allerton Press, Inc., 2016.
-
|название = Многоклассовый прогноз вероятности наступления инфаркта
+
# Журавлев Ю.И. и др. Методы прогнозирования временных рядов на примере железнодорожных грузоперевозок // Вестник российской академии наук, 2016, том 86, № 2, с. 33–38.
-
|журнал = Машинное обучение и анализ данных
+
# Мотренко А. П., Стрижов B. B. [http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group874/Motrenko2014KL/doc/MotrenkoStrijov2014.pdf Построение агрегированных прогнозов объемов железнодорожных грузоперевозок] // Информатика и ее применения, 2014. Т. 8, № 2. С. 86-97.
-
|год = 2011
+
# Вальков А.С., Кожанов Е.М., Мотренко А.П., Хусаинов Ф.И. Построение кросс-корреляционных зависимостей при прогнозе загруженности железнодорожного узла // Машинное обучение и анализ данных, 2013. № 5. С. 503-517. ISSN 2223-3792.
-
|номер = 2
+
# Мотренко А.П. Использование теста Грейнджера при прогнозировании временных рядов // Машинное обучение и анализ данных. 2011. № 1. С. 51-60.
-
|ISSN = 2223-3792
+
-
|язык = russian
+
-
|страницы = 225-235
+
-
|url = http://mlalgorithms.svn.sourceforge.net/viewvc/mlalgorithms/JMLDA/2011no1/pdf/Motrenko2011GrandgerForc.pdf
+
-
}}
+
-
* Hазвание работы: <<Оценка необходимого объема выборки в задачах логистической регрессии>>,
+
'''Гранты''':
-
* Aннотация:
+
РФФИ 13-07-13139 офи_м_РЖД, 14-07-31046 мол_а, грант Министерства образования и науки Российской Федерации (соглашение RFMEFI60414X0041)
-
В работе описан алгоритм классификации пациентов,
+
-
перенесших инфаркт и имеющих предрасположенность к инфаркту.
+
-
Признаками для определения состояния пациента служат измерения
+
-
концентрации белков в крови. Решается задача оценки параметров
+
-
функции регрессии и выбора признаков в логистической регрессии.
+
-
Предполагается, что объем данных недостаточен, поэтому в работе
+
-
предлагается способ оценки необходимого объема выборки.
+
-
* список публикаций (то, что подано в печать или принято - отмечать в скобках),
+
== Другое ==
-
* выступления на конференциях,
+
# A. Motrenko, V. Strijov. Multi-way Feature Selection for ECoG-based Brain-Computer Interface // Expert Systems with Applications Available online 18 July 2018 to 25 September via [https://authors.elsevier.com/a/1XW1c3PiGT7ggJ]
-
* гранты (некоторые в кафедральных отчетах по НИР забыли упомянуть ПГАС - там был раздел).
+
# Гасанов Э.Э., Мотренко А.П. Построение аппроксимирующего описания скалограммы в задаче прогнозирования движений по электрокортикограмме // Машинное обучение и анализ данных, 2017. T. 3. № 2. C. 160-169.
 +
# Молибог И.О., Мотренко А.П., Стрижов В.В. Повышение качества классификации в задаче обнаружения внутреннего плагиата // Информатика и её применения, 2017, Т. 11, Вып. 3. 59 - 71.
 +
# Motrenko A., Strijov V. Extracting fundamental periods to segment biomedical signals // Journal of Biomedical and Health Informatics, 2016, Vol. 20, No. 6, 1466 - 1476.

Текущая версия

Анастасия Мотренко, аспирант факультета управления и прикладной математики МФТИ

Кафедра "Интеллектуальные системы"

Направление "Интеллектуальный анализ данных"

email: anastasiya.motrenko@phystech.edu

Научно-исследовательская работа

Оценка объема выборки

Публикации:

  1. Aduenko A., Motrenko A., Strijov V. Object selection in credit scoring using covariance matrix of parameters estimations, accepted to Annals of Operations Research (January 2017) DOI: 10.1007/s10479-017-2417-3
  2. Магистерская диссертация: Оценка объема выборки в задачах прогнозирования, МФТИ, 2014.
  3. Motrenko A., Strijov V., Weber G.-W. Bayesian sample size estimation for logistic regression // Journal of Computational and Applied Mathematics, 2014, 255 — 743-752.
  4. Мотренко А.П. Оценка необходимого объема выборки пациентов при прогнозировании сердечно-сосудистых заболеваний // Машинное обучение и анализ данных, 2012. № 3. — С. 354-366.
  5. Мотренко А.П., Стрижов В.В. Многоклассовая логистическая регрессия // Известия ТулГУ, 2012. № 1. С. 153-162.

Доклады:

  1. Мотренко А. П., Оценка объема выборки в задачах классификации // Математические методы распознавания образов, г. Светлогорск, Калининградская область, 19-25 сентября 2015.
  2. Motrenko A. Bayesian Sample Size Estimation for Patient Classification Survey // 20th Conference of the International Federation of Operational Research Societies, July, Barcelona, 2014.
  3. Motrenko A. Small CVD sample set classification: generative versus discriminative // XXVI EURO conference, Rome, July 2013.
  4. Motrenko A. Multiclass classification of cardio-vascular disease patients with sample size estimation // XXV EURO conference, Vilnius, July 2012.

Гранты: РФФИ 12-07-31095 мол_а, 14-07-31045 мол_а, грант на обучение в аспирантуре МФТИ

Прогнозирование временных рядов

  1. Rudakov, V.V. Strizhov, D.O. Kashirin, M.P. Kuznetsov, A.P. Motrenko, M.M. Stenina. Selecting an Optimal Model for Forecasting the Volumes of Railway Goods Transportation // Automation and Remote Control, 2017, Vol. 78, No. 1, pp. 74-87. Original Russian Text published in Avtomatika i Telemekhanika, 2017, No. 1, pp. 91-105.
  2. Мотренко А.П., Рудаков К.В., Стрижов В.В. Учет влияния экзогенных факторов при непараметрическом прогнозировании временных рядов // Вестник Московского Университета. Серия 15. Вычислительная математика и кибернетика, 2016. Т. 36, №2, С.20-27.
    Combining endogenous and exogenous variables in a special case of non-parametric time series forecasting model. ISSN 0278-6419, Moscow University Computational Mathematics and Cybernetics, 2016, Vol. 36, No. 2, pp. 71–78. c Allerton Press, Inc., 2016.
  3. Журавлев Ю.И. и др. Методы прогнозирования временных рядов на примере железнодорожных грузоперевозок // Вестник российской академии наук, 2016, том 86, № 2, с. 33–38.
  4. Мотренко А. П., Стрижов B. B. Построение агрегированных прогнозов объемов железнодорожных грузоперевозок // Информатика и ее применения, 2014. Т. 8, № 2. С. 86-97.
  5. Вальков А.С., Кожанов Е.М., Мотренко А.П., Хусаинов Ф.И. Построение кросс-корреляционных зависимостей при прогнозе загруженности железнодорожного узла // Машинное обучение и анализ данных, 2013. № 5. С. 503-517. ISSN 2223-3792.
  6. Мотренко А.П. Использование теста Грейнджера при прогнозировании временных рядов // Машинное обучение и анализ данных. 2011. № 1. С. 51-60.

Гранты: РФФИ 13-07-13139 офи_м_РЖД, 14-07-31046 мол_а, грант Министерства образования и науки Российской Федерации (соглашение RFMEFI60414X0041)

Другое

  1. A. Motrenko, V. Strijov. Multi-way Feature Selection for ECoG-based Brain-Computer Interface // Expert Systems with Applications Available online 18 July 2018 to 25 September via [1]
  2. Гасанов Э.Э., Мотренко А.П. Построение аппроксимирующего описания скалограммы в задаче прогнозирования движений по электрокортикограмме // Машинное обучение и анализ данных, 2017. T. 3. № 2. C. 160-169.
  3. Молибог И.О., Мотренко А.П., Стрижов В.В. Повышение качества классификации в задаче обнаружения внутреннего плагиата // Информатика и её применения, 2017, Т. 11, Вып. 3. 59 - 71.
  4. Motrenko A., Strijov V. Extracting fundamental periods to segment biomedical signals // Journal of Biomedical and Health Informatics, 2016, Vol. 20, No. 6, 1466 - 1476.
Личные инструменты