Участник:Strijov

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Учебные курсы)
Строка 3: Строка 3:
* [[Вычислительный центр РАН]], к.ф.-м.н., научный сотрудник
* [[Вычислительный центр РАН]], к.ф.-м.н., научный сотрудник
* Кафедра «[[Интеллектуальные системы (кафедра МФТИ)|Интеллектуальные системы]]» [[МФТИ]], доцент
* Кафедра «[[Интеллектуальные системы (кафедра МФТИ)|Интеллектуальные системы]]» [[МФТИ]], доцент
-
* Журнал «Машинное обучение и анализ данных», редактор
+
* Журнал «[http://jmlda.org Машинное обучение и анализ данных]», редактор
* [[Заглавная страница|'''MachineLearning.ru''']], [[ML:АДМ|администратор]]
* [[Заглавная страница|'''MachineLearning.ru''']], [[ML:АДМ|администратор]]
Строка 10: Строка 10:
* Статьи [http://www.ccas.ru/strijov/ ccas.ru/strijov]
* Статьи [http://www.ccas.ru/strijov/ ccas.ru/strijov]
* Объявления [http://strijov.com strijov.com]
* Объявления [http://strijov.com strijov.com]
-
* Статьи на scholar.google [http://scholar.google.com/scholar?hl=en&q=Vadim+Strijov&btnG= по-английски] и [http://scholar.google.com/scholar?hl=ru&q=%D0%92%D0%B0%D0%B4%D0%B8%D0%BC+%D0%92%D0%B8%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2%D0%B8%D1%87+%D0%A1%D1%82%D1%80%D0%B8%D0%B6%D0%BE%D0%B2&btnG= по-русски]
+
* Статьи на scholar.google [http://scholar.google.com/scholar?hl=en&q=Vadim+Strijov&btnG= по-английски],[http://scholar.google.com/scholar? hl=ru&q=%D0%92%D0%B0%D0%B4%D0%B8%D0%BC+%D0%92%D0%B8%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2%D0%B8%D1%87+%D0%A1%D1%82%D1%80%D0%B8%D0%B6%D0%BE%D0%B2&btnG= по-русски] и [http://www.mathnet.ru/php/person.phtml?option_lang=rus&personid=71984 Math-Net]
-
 
+
== Текущие проекты (заметка для новых студентов) ==
-
== Текущие проекты ==
+
* '''Порождение математических моделей'''
-
 
+
-
===Порождение математических моделей===
+
Моделируется физическое, биологическое или другое измеряемое явление. Например, распространение нервного импульса, изменение давление в камере внутреннего сгорания, изменение цены опциона в ходе торгов. Требуется разработать алгоритм, который автоматически порождает модели, понятные специалистам в прикладной области.
Моделируется физическое, биологическое или другое измеряемое явление. Например, распространение нервного импульса, изменение давление в камере внутреннего сгорания, изменение цены опциона в ходе торгов. Требуется разработать алгоритм, который автоматически порождает модели, понятные специалистам в прикладной области.
-
===Обработка космических снимков===
+
* '''Обработка космических снимков'''
Спутник фотографирует поверхность земли. Один и тот же участок фотографируется с интервалом в месяц. Требуется по фотографии определить возможные медленные движения инженерных сооружений, расположенных на поверхности земли.
Спутник фотографирует поверхность земли. Один и тот же участок фотографируется с интервалом в месяц. Требуется по фотографии определить возможные медленные движения инженерных сооружений, расположенных на поверхности земли.
-
===Прогнозирование загруженности участков железной дороги===
+
* '''Прогнозирование загруженности участков железной дороги'''
По данным железнодорожных перевозок и микроэкономическим показателям требуется спрогнозировать загруженность железнодорожного узла.
По данным железнодорожных перевозок и микроэкономическим показателям требуется спрогнозировать загруженность железнодорожного узла.
-
===Прогнозирование потребления и цен электроэнергии===
+
* '''Прогнозирование потребления и цен электроэнергии'''
По историческим ценам и объемам потребленной электроэнергии требуется сделать почасовой прогноз на следующий день.
По историческим ценам и объемам потребленной электроэнергии требуется сделать почасовой прогноз на следующий день.
Визуализация для принятия решений при планировании крупных конференций
Визуализация для принятия решений при планировании крупных конференций
По тезисам конференции EURO за последние годы требуется построить систему, которая бы визуально рекомендовала научную область и сессию докладчику-новичку.
По тезисам конференции EURO за последние годы требуется построить систему, которая бы визуально рекомендовала научную область и сессию докладчику-новичку.
-
===Прогнозирование инфаркта по иммунологическим данным===
+
* '''Прогнозирование инфаркта по иммунологическим данным'''
Есть четыре класса пациентов: после операции, перед операцией и две группы здоровых. Измеряется концентрация определенных белков на поверхности кровяных телец. Измерения дорогие, пациентов мало. Требуется предложить прогностическую модель.
Есть четыре класса пациентов: после операции, перед операцией и две группы здоровых. Измеряется концентрация определенных белков на поверхности кровяных телец. Измерения дорогие, пациентов мало. Требуется предложить прогностическую модель.
-
 
-
 
== Учебные курсы, кафедра «Интеллектуальные системы» МФТИ ==
== Учебные курсы, кафедра «Интеллектуальные системы» МФТИ ==
Строка 55: Строка 51:
* Татьяна Казакова [http://www.ccas.ru/strijov/papers/strijov06AIidx.pdf]
* Татьяна Казакова [http://www.ccas.ru/strijov/papers/strijov06AIidx.pdf]
* Григорий Пташко [http://urss.ru/cgi-bin/db.pl?lang=Ru&blang=ru&page=Book&id=77838]
* Григорий Пташко [http://urss.ru/cgi-bin/db.pl?lang=Ru&blang=ru&page=Book&id=77838]
-
 
-
== Научные интересы==
 
-
{{TOCright}}
 
-
=== Теория категорий в распознавании образов ===
 
-
"Я приветствую полугруппу, где бы я ее ни встретил, а встречается она повсюду. Впрочем, от друзей я слышал, что в математике попадаются объекты, отличные от полугрупп" (Эйнар Хилле). Умение видеть алгебраические структуры при решении прикладных задач избавляет исследователя от необходимости изобретать велосипед и показывает, что отнюдь не все измеряемые данные погружены в привычное евклидово пространство. Описанием (а точнее — обобщением и специализацией) различных алгебраических структур занимается теория категорий. "Язык категорий воплощает 'социологический' подход к математическому объекту: группа или пространство рассматривается не как множество с внутренне присущей ему структурой, но как член сообщества себе подобных" (Ю.И. Манин). Сейчас язык теории категорий активно используется в математической физике — там, где модели, описывающие физические процессы, весьма сложны. Применение этого языка при решении прикладных задач распознавания образов позволит получить ясные содержательные определения в сложных ситуациях.
 
-
 
-
=== Индуктивное порождение и выбор регрессионных моделей ===
 
-
Задачи отыскания регрессионных зависимостей являются большой самостоятельной областью и, кроме этого, появляются в качестве элементов задач распознавания образов. Задачи восстановления регрессии отличаются от задач классификации тем, что на первые наложено требование непрерывности отображения. Задачи восстановления регрессии включают в себя принципы информационного и математического моделирования. Согласно принципам информационного моделирования, в тех случаях, когда нет информации о том, какую модель предпочесть, целесообразно выполнить поиск оптимальной модели в фиксированном или индуктивно порождаемом классе моделей. Согласно принципам математического моделирования, полученная модель должна быть объяснимой с точки зрения эксперта; также модель должна быть несложной и достаточно точной. Найти модель, которая бы отвечала стольким требованиям, очень непросто.
 
-
 
-
=== Интегральные индикаторы и экспертные оценки ===
 
-
Интегральный индикатор (рейтинг) — наиболее информативная оценка качества или эффективности сравнимого набора объектов. Для построения интегрального индикатора требуется выбрать и настроить модель — свертку набора частных показателей, каждый из которых характеризует какую-либо одну сторону понятия «качество» или «эффективность». С другой стороны, эксперты могут построить интегральный индикатор набора объектов, опираясь на собственные знания. Однако такой индикатор сложно обосновать. Существуют методы, в которых модели объективизируют экспертные оценки, а экспертные оценки, в свою очередь, позволяют выбирать адекватные модели.
 
-
 
== Курс лекций ==
== Курс лекций ==
Строка 94: Строка 78:
-
 
+
=== Репозитории наших алгоритмов ===
-
== Смотри также ==
+
* [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/ https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/] '''Alrorithms of machine learning'''
-
 
+
* [https://mvr.svn.sourceforge.net/svnroot/mvr https://mvr.svn.sourceforge.net/projects/svnroot/mvr] '''Multivariate regression composer'''
-
* [http://strijov.com strijov.com, notes on data analysis]
+
* [https://dmba.svn.sourceforge.net/svnroot/dmba https://dmba.svn.sourceforge.net/projects/svnroot/dmba] '''Lectures at University-Siegen'''
-
* [http://strijov.ru strijov.ru, заметки]
+
-
* [http://www.ccas.ru/strijov страница на сайте Вычислительного центра РАН]
+
-
* [http://www.mathnet.ru/php/person.phtml?option_lang=rus&personid=71984 Math-Net.ru]
+
-
 
+
-
== Отчеты ==
+
-
 
+
-
 
+
-
== [[Заглавная страница|Machinelearning.ru]] ==
+
-
* [[:Категория:Регрессионный анализ|Регрессионный анализ]]
+
-
* [[Определение гиперпараметров для MVR]]
+
Строка 186: Строка 160:
|-
|-
|}
|}
-
 
-
====Попробовать====
 
-
* LED
 
-
* PDFCreator
 
-
* [http://www.microsoft.com/en-us/download/details.aspx?id=24601 Microsoft Expression Encoder]
 
-
* versus [http://www.schmidt-web-berlin.de/winfig/ WinFig]
 
-
* [http://en.wikipedia.org/wiki/LyX LyX, a LaTeX document processor]
 
-
* [http://g.live.com/9wc9fr-FR/silverlight??WLXID=b7a7bd0e-f087-4deb-bc32-b4b24fb50bec&RID=0369357ce85&TID=1318515359689&lid= Silverlight for SkyDrive]
 
-
 
'''Настройки'''
'''Настройки'''
* Поиск в Windows 7: флаг, параметры индексирования, дополнительно, типы файлов: [TeX, m], '''индексировать содержимое'''. Добавить папки.
* Поиск в Windows 7: флаг, параметры индексирования, дополнительно, типы файлов: [TeX, m], '''индексировать содержимое'''. Добавить папки.
-
=== Subversion projects ===
 
-
* [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/ https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/] '''Alrorithms of machine learning'''
 
-
* [https://mvr.svn.sourceforge.net/svnroot/mvr https://mvr.svn.sourceforge.net/projects/svnroot/mvr] '''Multivariate regression composer'''
 
-
* [https://dmba.svn.sourceforge.net/svnroot/dmba https://dmba.svn.sourceforge.net/projects/svnroot/dmba] '''Lectures at University-Siegen'''
 
[[Категория:Страницы участников|S]]
[[Категория:Страницы участников|S]]
 +
 +
== Научные интересы==
 +
{{TOCright}}
 +
=== Теория категорий в распознавании образов ===
 +
"Я приветствую полугруппу, где бы я ее ни встретил, а встречается она повсюду. Впрочем, от друзей я слышал, что в математике попадаются объекты, отличные от полугрупп" (Эйнар Хилле). Умение видеть алгебраические структуры при решении прикладных задач избавляет исследователя от необходимости изобретать велосипед и показывает, что отнюдь не все измеряемые данные погружены в привычное евклидово пространство. Описанием (а точнее — обобщением и специализацией) различных алгебраических структур занимается теория категорий. "Язык категорий воплощает 'социологический' подход к математическому объекту: группа или пространство рассматривается не как множество с внутренне присущей ему структурой, но как член сообщества себе подобных" (Ю.И. Манин). Сейчас язык теории категорий активно используется в математической физике — там, где модели, описывающие физические процессы, весьма сложны. Применение этого языка при решении прикладных задач распознавания образов позволит получить ясные содержательные определения в сложных ситуациях.
 +
 +
=== Индуктивное порождение и выбор регрессионных моделей ===
 +
Задачи отыскания регрессионных зависимостей являются большой самостоятельной областью и, кроме этого, появляются в качестве элементов задач распознавания образов. Задачи восстановления регрессии отличаются от задач классификации тем, что на первые наложено требование непрерывности отображения. Задачи восстановления регрессии включают в себя принципы информационного и математического моделирования. Согласно принципам информационного моделирования, в тех случаях, когда нет информации о том, какую модель предпочесть, целесообразно выполнить поиск оптимальной модели в фиксированном или индуктивно порождаемом классе моделей. Согласно принципам математического моделирования, полученная модель должна быть объяснимой с точки зрения эксперта; также модель должна быть несложной и достаточно точной. Найти модель, которая бы отвечала стольким требованиям, очень непросто.
 +
 +
=== Интегральные индикаторы и экспертные оценки ===
 +
Интегральный индикатор (рейтинг) — наиболее информативная оценка качества или эффективности сравнимого набора объектов. Для построения интегрального индикатора требуется выбрать и настроить модель — свертку набора частных показателей, каждый из которых характеризует какую-либо одну сторону понятия «качество» или «эффективность». С другой стороны, эксперты могут построить интегральный индикатор набора объектов, опираясь на собственные знания. Однако такой индикатор сложно обосновать. Существуют методы, в которых модели объективизируют экспертные оценки, а экспертные оценки, в свою очередь, позволяют выбирать адекватные модели.
=== Journals ===
=== Journals ===

Версия 20:02, 16 июля 2013

Вадим Викторович Стрижов

Компендиум

Текущие проекты (заметка для новых студентов)

  • Порождение математических моделей

Моделируется физическое, биологическое или другое измеряемое явление. Например, распространение нервного импульса, изменение давление в камере внутреннего сгорания, изменение цены опциона в ходе торгов. Требуется разработать алгоритм, который автоматически порождает модели, понятные специалистам в прикладной области.

  • Обработка космических снимков

Спутник фотографирует поверхность земли. Один и тот же участок фотографируется с интервалом в месяц. Требуется по фотографии определить возможные медленные движения инженерных сооружений, расположенных на поверхности земли.

  • Прогнозирование загруженности участков железной дороги

По данным железнодорожных перевозок и микроэкономическим показателям требуется спрогнозировать загруженность железнодорожного узла.

  • Прогнозирование потребления и цен электроэнергии

По историческим ценам и объемам потребленной электроэнергии требуется сделать почасовой прогноз на следующий день. Визуализация для принятия решений при планировании крупных конференций По тезисам конференции EURO за последние годы требуется построить систему, которая бы визуально рекомендовала научную область и сессию докладчику-новичку.

  • Прогнозирование инфаркта по иммунологическим данным

Есть четыре класса пациентов: после операции, перед операцией и две группы здоровых. Измеряется концентрация определенных белков на поверхности кровяных телец. Измерения дорогие, пациентов мало. Требуется предложить прогностическую модель.

Учебные курсы, кафедра «Интеллектуальные системы» МФТИ

Исследовательская группа

Курс лекций

Прикладная регрессия и оптимизация Курс лекций включает теоретические и прикладные аспекты выбора моделей нелинейной регрессии и оптимизации этих моделей. Особое внимание уделяется автоматическим способам построения моделей. Ожидается, что студент, прослушавший курс лекций, сможет по заданной выборке построить адекватную параметрическую или непараметрическую регрессионную модель, правильно выбрать гипотезу порождения данных и показать, что полученная им модель оптимальна.

Программа курса: 2006, 2007, 2008, 2009.

Практика

Есть два, по крайней мере, подхода к решению прикладных задач математическими методами. Принцип первого подхода: "технической работы при анализе данных несопоставимо больше, чем математической". Принцип второго подхода: "можно найти такую математическую модель, которая избавит аналитика от технической работы". Последние семь проектов, в которых были использованы теоретические результаты:

  1. Прогноз состояния пациентов по результатам анализа кровяных телец,
  2. Анализ геометрической конфигурации информационных единиц в протеинах,
  3. Построение интегральных индикаторов по заказам управляющих компаний,
  4. Неклассические модели при справедливых оценках стоимости опционов,
  5. Поиск стратегий крупных игроков финансовых рынков,
  6. Прогноз концентрации кислорода в выхлопных газах по косвенным измерениям,
  7. Поиск оптимальной регрессионной модели давления в камере внутреннего сгорания.

Учебные материалы

Лекции по функциональному анализу, МехМат


Репозитории наших алгоритмов


Инструменты

MikTeX LaTex interpreter 2.9 - ok
GhostScript PS/PDF render 32-bit (change to 64)
GSview PS PDF Viewer 64-bit
EPSViewer EPS Viewer 32-bit
JabRef Bibliography reference manager
Tortoise SVN Interface to Subversion control 64-bit only for Windows7
Daemon-Tools Windows7-version only, not installed, not used
Kaspersky Internet Security Antivirus
WinMerge Compare two files or folders
Microsoft Office Is it possible to change it for OpenOffice?
GoodSync External HDD syncro
Skype IP telephone strijov
WinEdit6 vs WinEdit5.3
Lizardtech DjVu Browser Scanned books Plug-in
Radmin Viewer, Server and Utilities Remote administration for Windows Rejected; can not move the payd version to another PC
Splashtop streamer and Remote desktop Remote administration for Windows Nice and free of charge!
InkScape Graphics with EPS and TeX export

Настройки

  • Поиск в Windows 7: флаг, параметры индексирования, дополнительно, типы файлов: [TeX, m], индексировать содержимое. Добавить папки.

Научные интересы

Содержание

Теория категорий в распознавании образов

"Я приветствую полугруппу, где бы я ее ни встретил, а встречается она повсюду. Впрочем, от друзей я слышал, что в математике попадаются объекты, отличные от полугрупп" (Эйнар Хилле). Умение видеть алгебраические структуры при решении прикладных задач избавляет исследователя от необходимости изобретать велосипед и показывает, что отнюдь не все измеряемые данные погружены в привычное евклидово пространство. Описанием (а точнее — обобщением и специализацией) различных алгебраических структур занимается теория категорий. "Язык категорий воплощает 'социологический' подход к математическому объекту: группа или пространство рассматривается не как множество с внутренне присущей ему структурой, но как член сообщества себе подобных" (Ю.И. Манин). Сейчас язык теории категорий активно используется в математической физике — там, где модели, описывающие физические процессы, весьма сложны. Применение этого языка при решении прикладных задач распознавания образов позволит получить ясные содержательные определения в сложных ситуациях.

Индуктивное порождение и выбор регрессионных моделей

Задачи отыскания регрессионных зависимостей являются большой самостоятельной областью и, кроме этого, появляются в качестве элементов задач распознавания образов. Задачи восстановления регрессии отличаются от задач классификации тем, что на первые наложено требование непрерывности отображения. Задачи восстановления регрессии включают в себя принципы информационного и математического моделирования. Согласно принципам информационного моделирования, в тех случаях, когда нет информации о том, какую модель предпочесть, целесообразно выполнить поиск оптимальной модели в фиксированном или индуктивно порождаемом классе моделей. Согласно принципам математического моделирования, полученная модель должна быть объяснимой с точки зрения эксперта; также модель должна быть несложной и достаточно точной. Найти модель, которая бы отвечала стольким требованиям, очень непросто.

Интегральные индикаторы и экспертные оценки

Интегральный индикатор (рейтинг) — наиболее информативная оценка качества или эффективности сравнимого набора объектов. Для построения интегрального индикатора требуется выбрать и настроить модель — свертку набора частных показателей, каждый из которых характеризует какую-либо одну сторону понятия «качество» или «эффективность». С другой стороны, эксперты могут построить интегральный индикатор набора объектов, опираясь на собственные знания. Однако такой индикатор сложно обосновать. Существуют методы, в которых модели объективизируют экспертные оценки, а экспертные оценки, в свою очередь, позволяют выбирать адекватные модели.

Journals

Elsevier reviewer: EES Profile Consolidation (подать туда работы)

  • Mathematical and Computer Modelling
  • Journal of Computational and Applied Mathematics
  • Computers and Mathematics with Applications
  • Energy
  • Journal of Computational and Applied Mathematics
  • Communications in Nonlinear Science and Numerical Simulation
  • Energy for Sustainable Development

Черновики

Личные инструменты