Участник:Nkzh

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Новая: '''Животовский Никита Кириллович''' '''МФТИ, ФУПМ''' Кафедра "'''Интеллектуальные системы'''" Направление "...)
 
(6 промежуточных версий не показаны.)
Строка 3: Строка 3:
'''МФТИ, ФУПМ'''
'''МФТИ, ФУПМ'''
-
Кафедра "'''Интеллектуальные системы'''"
+
Аспирант кафедры "'''Интеллектуальные системы'''"
-
Направление "'''Интеллектуальный анализ данных'''"
+
== Теория статистического обучения ==
-
 
+
Конспект уже прочитанных лекций по [[Теория статистического обучения (курс лекций, Н. К. Животовский)|ссылке]].
-
nikita.zhivotovskiy@phystech.edu
+
-
 
+
-
== Отчеты о научно-исследовательской работе ==
+
-
 
+
-
=== Осень 2011, 9-й семестр ===
+
-
 
+
-
'''Оценка частоты тестовой ошибки с помощью скользящего контроля'''
+
-
 
+
-
''На практике для оценивания обобщающей способности обучаемых алгоритмов часто используется оценка скользящего контроля с одним отделяемым объектом LOO (leave-one-out cross-validation). Несмотря на широкое применение, известные теоретические обоснования LOO пока либо сильно привязаны к конкретному методу обучения, либо представляют собой сильно завышенные оценки вероятности большого отклонения действительной вероятности ошибки от оценки LOO. В работе используется комбинаторный подход, с помощью которого удается значительно улучшить ранние результаты.''
+
-
 
+
-
'''Публикации'''
+
-
 
+
-
''Животовский Н.К.'' Комбинаторные оценки вероятности отклонения тестовой ошибки от ошибки скользящего контроля // '', ММРО — 15, 2011. — С. 52-55'' (опубликовано)
+
-
 
+
-
=== Весна 2012, 10-й семестр ===
+
-
'''Вопросы точности комбинаторных оценок вероятности переобучения'''
+
-
 
+
-
''Одной из главных задач статистической теории обучения является оценивание обощающей способности обучающихся алгоритмов. Оценки, получаемые с помощью теории Вапника-Червоненкиса являются черезмерно завышенными и часто теряют свой практический смысл. Но с помощью комбинаторной теории переобучения удается не только улучшить известные оценки, но даже в некоторых частных случаях получить эффективно вычисляемые точные оценки. Целью работы является описание всех семейств алгоритмов, для которых комбинаторные оценки расслоения-связности точны.''
+
-
 
+
-
Часть результатов изложена в 9-ом семестре на конференции МФТИ. В 10-ом семестре оформлена статья, посвященная подробному описанию искомых семейств. Результаты статьи также докладывались на семинаре, посвященном комбинаторному подходу к оценке вероятности переобучения.
+
-
 
+
-
'''Публикации'''
+
-
 
+
-
''Животовский Н.К.'' Критерий точности комбинаторных оценок вероятности переобучения //'' МФТИ-54, том 2, 2011, С. 99-100'' (опубликовано)
+
-
 
+
-
''Животовский Н.К.'' О точных оценках вероятности переобучения //'', 2012 (Написана, в настоящий момент не опубликована)
+
-
 
+
-
'''Оценки избыточного риска'''
+
-
 
+
-
Изучались современные подходы для оценки избыточного риска в задачах минимизации эмпирического риска. С помощью неравенств концентрации меры удается получить оценки избыточного риска, зависящие только от обучающей выборки, что в дальнейшем может быть использовано в вопросах как model selection, так и непосредственно при обучении для достижения наибольшей обощающей способности.
+

Текущая версия

Животовский Никита Кириллович

МФТИ, ФУПМ

Аспирант кафедры "Интеллектуальные системы"

Теория статистического обучения

Конспект уже прочитанных лекций по ссылке.

Личные инструменты