Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 074, осень 2013

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(→Черновой список задач)
(→Черновой список задач)
Строка 78: Строка 78:
=== Обнаружение причинно-следственных связей во временных рядах железнодорожных перевозок и биржевых данных===
=== Обнаружение причинно-следственных связей во временных рядах железнодорожных перевозок и биржевых данных===
 +
*'''Краткое описание.''' Разработать алгоритм, детектирующий влияние экзогенных факторов на железноорожные перевозки.
 +
*'''Базовый алгоритм.''' [http://en.wikipedia.org/wiki/Convergent_cross_mapping Convergent cross mapping].
 +
*'''Данные.''' [http://svn.code.sf.net/p/mlalgorithms/code/RailRoads/Motrenko2012RailRoads/code/data/ Данные РЖД по железнодорожным перевозкам].
 +
*'''Аргументы.'''
=== Распознавание лиц===
=== Распознавание лиц===

Версия 13:40, 9 сентября 2013

Основная статья: Численные методы обучения по прецедентам (практика, В.В. Стрижов)


Черновой список задач

Выбор алгоритмов краткосрочного прогнозирования

  • Краткое описание. Создать алгоритм, осуществляющий выбор моделей прогнозирования на основе метаописания временных рядов.
  • Базовый алгоритм. Базовые модели для выбора: проект TSForecasting. Простейший метод для выбора моделей — дерево поиска. Метаописание временных рядов: А. И. Кобзарь Прикладная математическая статистика.
  • Данные. Цены на электроэнергию, биржевые данные, цены на хлеб.
  • Аргументы.

Прогнозирование цен на электроэнергию

  • Краткое описание. Построить авторегрессионный алгоритм прогнозирования; осуществить выбор признаков методом наименьших углов.
  • Базовый алгоритм. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов. LARS.
  • Данные. Цены на электроэнергию.
  • Аргументы.

Распознавание геометрических фигур на фото

Поиск мелодии в базе данных

  • Краткое описание. Задана библиотека мелодий. Для короткого музыкального фрагмента требуется определить, какой мелодии он принадлежит.
  • Базовый алгоритм. Локальное прогнозирование.
  • Данные. Собрать библиотеку мелодий в формате .midi. matlab .midi parser
  • Аргументы.

Краткосрочное прогнозирование музыкальных произведений

Проверка подлинности подписей

Поиск похожих тезисов конференций

  • Краткое описание. Найти тезисы конференции OR-2013, близкие к заданному.
  • Базовый алгоритм.
  • Данные. Библиотека тезисов конференции OR-2013.
  • Аргументы.

Сегментация библиографических списков

Распознавание рукописных цифр

Ранжирование поисковой выдачи

Определение наличия и характеристик пульсовой волны

Построение рейтинга банков

Построение рейтинга научных журналов

Визуализация подписей-выносок

Прогнозирование редких продаж по набору временных рядов

Определение финансовых пузырей в биржевых данных

  • Краткое описание. Разработать метод определения финансовых пузырей в биржевых данных по ценам на сырье.
  • Базовый алгоритм. статья Вилли.
  • Данные. Цены на сырье.
  • Аргументы.

Прогнозирование управляемых макроэкономических показателей

Прогнозирование концентрации кислорода в выхлопных газах дизельного двигателя

Обнаружение причинно-следственных связей во временных рядах железнодорожных перевозок и биржевых данных

Распознавание лиц

Personalize Expedia Hotel Searches

Источник — «http://machinelearning.ru/wiki/index.php?title=%D0%A7%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%BF%D0%BE_%D0%BF%D1%80%D0%B5%D1%86%D0%B5%D0%B4%D0%B5%D0%BD%D1%82%D0%B0%D0%BC_%28%D0%BF%D1%80%D0%B0%D0%BA%D1%82%D0%B8%D0%BA%D0%B0%2C_%D0%92.%D0%92._%D0%A1%D1%82%D1%80%D0%B8%D0%B6%D0%BE%D0%B2%29/%D0%93%D1%80%D1%83%D0%BF%D0%BF%D0%B0_074%2C_%D0%BE%D1%81%D0%B5%D0%BD%D1%8C_2013»
Личные инструменты