Участник:Podkopaevalex

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Отчет о научно-исследовательской работе)
(Отчет о научно-исследовательской работе)
Строка 9: Строка 9:
== Отчет о научно-исследовательской работе ==
== Отчет о научно-исследовательской работе ==
-
'''Весна 2015, 6-й семестр'''
+
''''Весна 2015, 6-й семестр''''
'''Оптимальная Упаковка Белков Методами Выпуклой Оптимизации'''
'''Оптимальная Упаковка Белков Методами Выпуклой Оптимизации'''
Строка 19: Строка 19:
''Подкопаев А. С., Карасиков М. Е., Максимов Ю. В.'' Оптимальная Упаковка Белков Методами Выпуклой Оптимизации // «Труды МФТИ», том 7, № 4(28), 2015 (опубликована)
''Подкопаев А. С., Карасиков М. Е., Максимов Ю. В.'' Оптимальная Упаковка Белков Методами Выпуклой Оптимизации // «Труды МФТИ», том 7, № 4(28), 2015 (опубликована)
 +
 +
'''Осень 2015, 7-й семестр'''
'''Осень 2015, 7-й семестр'''

Версия 15:27, 17 января 2016

МФТИ, ФУПМ

Кафедра "Интеллектуальные системы"

Направление "Интеллектуальный анализ данных"

podkopaev@phystech.edu

Отчет о научно-исследовательской работе

'Весна 2015, 6-й семестр'

Оптимальная Упаковка Белков Методами Выпуклой Оптимизации

В данной статье рассматривается задача предсказания упаковки белковых молекул в мультимерный комплекс в приближении жестких тел. Для решения поставленной задачи предлагается использовать методы выпуклой оптимизации, например, полуопределенные релаксации. Недостатком большинства существующих алгоритмов (жадных алгоритмов и других) является их вычислительная сложность. В данной работе предлагаются алгоритмы меньшей вычислительной сложности, полученные в результате применения теории графов. Основным результатом является оценка их качества, сравнение с алгоритмами, использовавшимися ранее.

Публикация

Подкопаев А. С., Карасиков М. Е., Максимов Ю. В. Оптимальная Упаковка Белков Методами Выпуклой Оптимизации // «Труды МФТИ», том 7, № 4(28), 2015 (опубликована)


Осень 2015, 7-й семестр

Time Complexity of Structural Risk Minimization

В данной работе рассматривается задача обучения по прецедентам. Пусть задана обучающая выборка, на которой известны значения меток классов. Пусть также классификаторы принадлежат некоторому семейству. В соответствии со стандартной постановкой, требуется из данного семейства выбрать тот классификатор, который будет наилучшим образом аппроксимировать целевую зависимость. В данной статье будет рассмотрены особенности работы оптимизационных алгоритмов (а точнее, учет их вычислительной сложности и точности) при решении задач обучения по прецедентам.

Технический отчет

Подкопаев А. С. Time Complexity of Structural Risk Minimization // Сервер вычислительных экспериментов mvr.jmlda.org

Личные инструменты