Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 774, осень 2012

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
Строка 7: Строка 7:
{{tip|<tex>\text{Not ready yet; mind the gap until the Sept. } 1^{\text{st}},\text{ the }245^{\text{th}}\text{ day in the leap year of 2012.}</tex>}}
{{tip|<tex>\text{Not ready yet; mind the gap until the Sept. } 1^{\text{st}},\text{ the }245^{\text{th}}\text{ day in the leap year of 2012.}</tex>}}
-
Основная задача этого цикла работ — исследовать и проиллюстрировать недостатки и особенности известных алгоритмов машинного обучения.
+
'''Основная задача''' этой работы — предложить алгоритм выбора моделей, исследовать и проиллюстрировать его свойства, проанализировать его преимущества недостатки и особенности в сравнении с известными алгоритмами машинного обучения.
-
Практика состоит из трех задач-эссе с отчетом, включающим постановку задачи, описание алгоритма и вычислительный эксперимент-иллюстрацию.
+
Практика состоит из задачи, разбитой на три подзадачи-эссе с отчетом и включает постановку задачи, описание алгоритма и вычислительный эксперимент-иллюстрацию.
-
Перед выполнением заданий рекомендуются прочитать статью [[Численные методы обучения по прецедентам (практика, В.В. Стрижов)|«Численные методы обучения по прецедентам»]], а также все, что там по ссылкам.
+
Перед выполнением заданий рекомендуются прочитать статью [[Численные методы обучения по прецедентам (практика, В.В. Стрижов)|«Численные методы обучения по прецедентам»]], а также все, что там по ссылкам, включая статью [[Автоматизация и стандартизация научных исследований (практика, В.В. Стрижов|«Автоматизация научных исследований»]].
-
Идея практики: проект (вычислительный эксперимент) должен занимать ровно один день и может быть сделан при этом от начала и до конца.
+
'''Результат практики:''' научная статья по выбранной теме, поданная для публикации
 +
* в [[JMLDA]] или
 +
* в английский журнал из списка Web Of Knowledge.
-
== TODO ==
+
'''Идея практики:''' любой проект (вычислительный эксперимент) может быть разбит на части, каждая из которых занимает ровно один день и может быть сделана при этом от начала и до конца.
-
Скорее всего будем писать по-английски.
+
== Задачи ==
== Задачи ==
Строка 33: Строка 34:
|
|
|-
|-
 +
| Оценка параметров совместных распределений и использование копул при построении интегральных индикаторов
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
| Оценка ковариационных матриц параметров и зависимых переменных путем максимизации правдоподобия модели
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
| Оценка максимума правдоподобия модели и его математического ожидания методом сэмплирования
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
| Выбор оптимальных инвариантных преобразований в задачах тематического моделирования
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
| Совместный выбор объектов и признаков в задачах прогнозирования временных рядов
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
| Кластеризация смесей распределений в задачах тематического моделирования
 +
|
 +
|
 +
|
 +
|
 +
|
 +
|-
 +
| Title7рас
 +
| Author
 +
| Reviewer
 +
| SF
 +
| Date
 +
| Progress
|}
|}
== Оформление ==
== Оформление ==
-
[[Изображение:ModelBreadSw.png|200px|thumb|Функция ошибки]]
+
* Стилевой файл
-
Пример оформления работы -- см. ниже по ссылкам в таблице (первый и четвертый столбцы), там можно взять все заготовки.
+
* [[JMLDA/Fig|Оформление графиков, JMLDA/Fig]]
-
 
+
-
Дополнение по оформлению графиков:
+
-
* шрифт должен быть больше,
+
-
* толщина линий равна двум,
+
-
* заголовки осей с большой буквы,
+
-
* заголовок графика отсутствует (чтобы не дублировать подпись в статье);
+
-
* рекомендуется сразу сохранять EPS и PNG (для TeX и для Wiki).
+
-
<source lang="matlab">
 
-
h = figure; hold('on');
 
-
plot(xi,y,'r-', 'Linewidth', 2);
 
-
plot(xi,y,'b.', 'MarkerSize', 12);
 
-
axis('tight');
 
-
xlabel('Time, $\xi$', 'FontSize', 24, 'FontName', 'Times', 'Interpreter','latex');
 
-
ylabel('Value, $y$', 'FontSize', 24, 'FontName', 'Times', 'Interpreter','latex');
 
-
set(gca, 'FontSize', 24, 'FontName', 'Times')
 
-
saveas(h,'ModelOne.eps', 'psc2');
 
-
saveas(h,'ModelOne.png', 'png');
 
-
</source>
 
[[Категория:Учебные курсы]]
[[Категория:Учебные курсы]]

Версия 16:55, 27 августа 2012

Основная статья: Прикладной регрессионный анализ (курс лекций, B.В. Стрижов)


Новое название "Регрессионный анализ" Придумать еще более новое название.


\text{Not ready yet; mind the gap until the Sept. } 1^{\text{st}},\text{ the }245^{\text{th}}\text{ day in the leap year of 2012.}


Основная задача этой работы — предложить алгоритм выбора моделей, исследовать и проиллюстрировать его свойства, проанализировать его преимущества недостатки и особенности в сравнении с известными алгоритмами машинного обучения. Практика состоит из задачи, разбитой на три подзадачи-эссе с отчетом и включает постановку задачи, описание алгоритма и вычислительный эксперимент-иллюстрацию. Перед выполнением заданий рекомендуются прочитать статью «Численные методы обучения по прецедентам», а также все, что там по ссылкам, включая статью «Автоматизация научных исследований».

Результат практики: научная статья по выбранной теме, поданная для публикации

  • в JMLDA или
  • в английский журнал из списка Web Of Knowledge.

Идея практики: любой проект (вычислительный эксперимент) может быть разбит на части, каждая из которых занимает ровно один день и может быть сделана при этом от начала и до конца.

Задачи

Название задачи Работу выполняет Рецензент Ссылка SF Дата доклада Комментарии
Шаблон отчета о вычислительном эксперименте Welcome! Welcome! Surname2011Title 21.09 - обсуждаем расписание докладов
Оценка параметров совместных распределений и использование копул при построении интегральных индикаторов
Оценка ковариационных матриц параметров и зависимых переменных путем максимизации правдоподобия модели
Оценка максимума правдоподобия модели и его математического ожидания методом сэмплирования
Выбор оптимальных инвариантных преобразований в задачах тематического моделирования
Совместный выбор объектов и признаков в задачах прогнозирования временных рядов
Кластеризация смесей распределений в задачах тематического моделирования
Title7рас Author Reviewer SF Date Progress

Оформление

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_774%2C_%D0%BE%D1%81%D0%B5%D0%BD%D1%8C_2012»
Личные инструменты