Участник:Celyh

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Новая: __NOTOC__ '''МФТИ, ФУПМ''' Кафедра "'''Интеллектуальные системы'''" Направление "'''Интеллектуальный анализ да...)
Текущая версия (16:48, 16 декабря 2014) (править) (отменить)
(Отчеты о научно-исследовательской работе)
 
(11 промежуточных версий не показаны.)
Строка 1: Строка 1:
__NOTOC__
__NOTOC__
 +
'''Целых Влада Руслановна'''
 +
'''МФТИ, ФУПМ'''
'''МФТИ, ФУПМ'''
Строка 16: Строка 18:
'''Публикация'''
'''Публикация'''
-
*{{Статья
+
*{{биб.статья
|автор = Целых В.Р.
|автор = Целых В.Р.
-
|название = Многомерные адаптивные регрессионные сплайны
+
|заглавие = Многомерные адаптивные регрессионные сплайны
-
|журнал = Машинное обучение и анализ данных
+
|издание = Машинное обучение и анализ данных
|год = 2012
|год = 2012
|номер = 3
|номер = 3
|ISSN = 2223-3792
|ISSN = 2223-3792
-
|язык = russian
+
|страницы = 272-278
-
|страницы = 292-304
+
|url = http://mlalgorithms.svn.sourceforge.net/viewvc/mlalgorithms/JMLDA/2012no3/pdf/Celyh2012MARS.pdf?revision=2727
|url = http://mlalgorithms.svn.sourceforge.net/viewvc/mlalgorithms/JMLDA/2012no3/pdf/Celyh2012MARS.pdf?revision=2727
 +
}}
 +
=== Осень 2012, 7-й семестр===
 +
'''Критерии согласия для разреженных дискретных распределений и их применение в тематическом моделировании'''
 +
 +
'' Критерий согласия Пирсона неприменим к сильно разреженным распределениям, так как в этих случаях распределение статистики плохо описывается асимптотическим законом хи-квадрат, зависит от длины выборки и вида исходного распределения. В данной работе предлагаются статистические критерии, основанные на сэмплировании Монте-Карло, и рассматривается их применение в задачах анализа текстов, в частности, для проверки гипотезы условной независимости при построении и оценивании вероятностных тематических моделей.''
 +
 +
'''Публикация'''
 +
*{{биб.статья
 +
|автор = Целых В.Р., Воронцов К.В.
 +
|заглавие = Критерии согласия для разреженных дискретных распределений и их применение в тематическом моделировании
 +
|издание = Машинное обучение и анализ данных
 +
|год = 2012
 +
|номер = 4
 +
|страницы = 436-446
 +
}}
 +
=== Весна 2013, 8-й семестр===
 +
'''Статистические критерии адекватности вероятностных тематических моделей коллекции текстовых документов'''
 +
 +
''Работа посвящена построению критерия, проверяющего одно из основных предположений тематического моделирования - гипотезу условной независимости слов в теме от документа. Предлагаются два статистических теста: один основан на вычислении эмпирических распределений статистики хи-квадрат путём сэмплирования, а второй - на множественном использовании точного теста Фишера. Рассматривается применение предложенных тестов для проверки адекватности вероятностных тематических моделей.''
 +
=== Осень 2013, 9-й семестр===
 +
'''Лингвистические методы анализа электрокардиограмм'''
 +
 +
''В работе исследована возможность диагностики заболеваний внутренних органов по данным об амплитудах и интервалах кардиоциклов. Реализован метод информационного анализа ЭКГ-сигналов, основанный на представлении ЭКГ в виде последовательности символов (кодограммы) и заключающийся в определении диагностических эталонов заболеваний. Разработаны различные алгоритмы классификации, проведен их анализ и сравнение.''
 +
=== Весна 2014, 10-й семестр===
 +
'''Лингвистические методы анализа электрокардиосигналов для задач дифференциальной диагностики'''
 +
 +
''Продолжены исследования и разработка алгоритмов статистического обучения для диагностики заболеваний по дискретизированным электрокардиосигналам. Реализован метод скользящего контроля для сравнения алгоритмов и сами алгоритмы: наивный Байес, синдромный алгоритм, логистическая регрессия. Реализованы перестановочные статистические тесты для отбора информативных признаков.''
 +
 +
'''Публикация'''
 +
*{{биб.статья
 +
|автор = Uspenskiy V. M., Vorontsov K. V., Tselykh V. R., Bunakov V. A.
 +
|заглавие = Information Function of the Heart: Discrete and Fuzzy Encoding of the ECG-Signal for Multidisease Diagnostic System
 +
|издание = Advanced Mathematical and Computational Tools in Metrology
 +
|год = 2014
 +
}}
 +
[[Медиа:Uvcb14amctm-eng.pdf‎|Ссылка на статью ]]
 +
=== Осень 2014, 11-й семестр===
 +
'''Лингвистические методы анализа электрокардиосигналов для задач дифференциальной диагностики'''
 +
 +
''Разработаны обучаемые алгоритмы диагностики многих заболеваний по одной электрокардиограмме. Исследована обобщающая способность логистической регрессии, синдромных алгоритмов, решающих деревьев и лесов. Приведены статистические обоснования отдельных этапов технологии информационного анализа электрокардиосигналов. Подготовлены публикации. ''
 +
 +
'''Доклад на научной конференции'''
 +
*{{биб.статья
 +
|автор = Успенский В. М., Воронцов К. В., Целых В. Р., Бунаков В. А., Ефимова И. В., Полежаев В. А.
 +
|заглавие = Информационный анализ электрокардиосигналов для диагностики многих заболеваний внутренних органов по одной электрокардиограмме
 +
|издание = Интеллектуализация обработки информации (ИОИ-2014): Тезисы докл.— Москва: Торус Пресс, 2014. С. 172–173.
}}
}}

Текущая версия

Целых Влада Руслановна

МФТИ, ФУПМ

Кафедра "Интеллектуальные системы"

Направление "Интеллектуальный анализ данных"

Mailto: Celyh@inbox.ru

Отчеты о научно-исследовательской работе

Весна 2012, 6-й семестр

Многомерные адаптивные регрессионные сплайны

В работе рассматриваются многомерные адаптивные регрессионные сплайны. Метод позволяет получить модели, дающие достаточно точную аппроксимацию, даже в тех случаях, когда связи между предикторными и зависимыми переменными имеют немонотонный характер и сложны для приближения параметрическими моделями. Экспериментально исследуется зависимость ошибки аппроксимации от сложности модели. Для иллюстрации работы метода используются тестовые данные, данные ЭКГ и данные из области финансовой математики.

Публикация

  • Целых В.Р. Многомерные адаптивные регрессионные сплайны // Машинное обучение и анализ данных. — 2012. — № 3. — С. 272-278.

Осень 2012, 7-й семестр

Критерии согласия для разреженных дискретных распределений и их применение в тематическом моделировании

Критерий согласия Пирсона неприменим к сильно разреженным распределениям, так как в этих случаях распределение статистики плохо описывается асимптотическим законом хи-квадрат, зависит от длины выборки и вида исходного распределения. В данной работе предлагаются статистические критерии, основанные на сэмплировании Монте-Карло, и рассматривается их применение в задачах анализа текстов, в частности, для проверки гипотезы условной независимости при построении и оценивании вероятностных тематических моделей.

Публикация

  • Целых В.Р., Воронцов К.В. Критерии согласия для разреженных дискретных распределений и их применение в тематическом моделировании // Машинное обучение и анализ данных. — 2012. — № 4. — С. 436-446.

Весна 2013, 8-й семестр

Статистические критерии адекватности вероятностных тематических моделей коллекции текстовых документов

Работа посвящена построению критерия, проверяющего одно из основных предположений тематического моделирования - гипотезу условной независимости слов в теме от документа. Предлагаются два статистических теста: один основан на вычислении эмпирических распределений статистики хи-квадрат путём сэмплирования, а второй - на множественном использовании точного теста Фишера. Рассматривается применение предложенных тестов для проверки адекватности вероятностных тематических моделей.

Осень 2013, 9-й семестр

Лингвистические методы анализа электрокардиограмм

В работе исследована возможность диагностики заболеваний внутренних органов по данным об амплитудах и интервалах кардиоциклов. Реализован метод информационного анализа ЭКГ-сигналов, основанный на представлении ЭКГ в виде последовательности символов (кодограммы) и заключающийся в определении диагностических эталонов заболеваний. Разработаны различные алгоритмы классификации, проведен их анализ и сравнение.

Весна 2014, 10-й семестр

Лингвистические методы анализа электрокардиосигналов для задач дифференциальной диагностики

Продолжены исследования и разработка алгоритмов статистического обучения для диагностики заболеваний по дискретизированным электрокардиосигналам. Реализован метод скользящего контроля для сравнения алгоритмов и сами алгоритмы: наивный Байес, синдромный алгоритм, логистическая регрессия. Реализованы перестановочные статистические тесты для отбора информативных признаков.

Публикация

  • Uspenskiy V. M., Vorontsov K. V., Tselykh V. R., Bunakov V. A. Information Function of the Heart: Discrete and Fuzzy Encoding of the ECG-Signal for Multidisease Diagnostic System // Advanced Mathematical and Computational Tools in Metrology. — 2014.

Ссылка на статью

Осень 2014, 11-й семестр

Лингвистические методы анализа электрокардиосигналов для задач дифференциальной диагностики

Разработаны обучаемые алгоритмы диагностики многих заболеваний по одной электрокардиограмме. Исследована обобщающая способность логистической регрессии, синдромных алгоритмов, решающих деревьев и лесов. Приведены статистические обоснования отдельных этапов технологии информационного анализа электрокардиосигналов. Подготовлены публикации.

Доклад на научной конференции

  • Успенский В. М., Воронцов К. В., Целых В. Р., Бунаков В. А., Ефимова И. В., Полежаев В. А. Информационный анализ электрокардиосигналов для диагностики многих заболеваний внутренних органов по одной электрокардиограмме // Интеллектуализация обработки информации (ИОИ-2014): Тезисы докл.— Москва: Торус Пресс, 2014. С. 172–173..
Личные инструменты