Алгебра над алгоритмами и эвристический поиск закономерностей
Материал из MachineLearning.
Руководитель спецсеминара: д.ф.-м.н. Дьяконов Александр Геннадьевич
|
Работа на спецсеминаре
В рамках работы на спецсеминаре есть два направления исследования:
- Теоретическое. Проводится в рамках алгебраического подхода к решению задач распознавания. Суть подхода: на алгоритмах, которые решают задачи обработки и анализа данных, специальным образом вводятся алгебраические операции. Например, можно складывать алгоритмы (получается опять алгоритм), умножать и т. д. Доказано (Ю. И. Журавлёвым), что среди получаемых алгебраических выражений над «естественными» алгоритмами есть высокоэффективные алгоритмы. На спецсеминаре рассматриваются вопросы: как их строить, анализировать, реализовывать на ЭВМ и т. д. и т. п. Данное направление представляет особую ценность студентам, которые хотят получить самостоятельные результаты в науке и продолжить обучение в аспирантуре.
- Прикладное. Решаются реальные прикладные задачи анализа данных (data mining). Например, классификация сигналов головного мозга, классификация сигналов-показаний работы механизмов, настройка спам-фильтров, автоматическая рубрикация текстов, прогнозирование финансовых временных рядов. От студентов требуется желание глубоко понять задачу (данные и скрытые в них закономерности), умение быстро осваивать новые методы (в незнакомой области), хорошо программировать, выдвигать гипотезы и фантазировать (последнее очень важно).
Задание участникам на осенний семестр 2011 года
| Участник | Задание (каждый сам заполняет свою ячейку) | Комментарий |
|---|---|---|
| Бобрик Ксения (417) | Выбрать на сайте http://www.sigkdd.org/awards_dissertation.php тему доклада по одной из диссертаций. Темы не должны пересекаться. Можно использовать другие диссертации по согласованию с руководителем. | |
| Ермушева Александра (417) | Выбрать на сайте http://www.sigkdd.org/awards_dissertation.php тему доклада по одной из диссертаций. Темы не должны пересекаться. Можно использовать другие диссертации по согласованию с руководителем. | |
| Кириллов Александр (417) | Выбрать на сайте http://www.sigkdd.org/awards_dissertation.php тему доклада по одной из диссертаций. Темы не должны пересекаться. Можно использовать другие диссертации по согласованию с руководителем. | |
| Фигурнов Михаил (417) | Доклад по диссертации Dr. Michael Hay “Enabling Accurate Analysis of Private Network Data” | пока неофициальный участник |
| Кондрашкин Дмитрий (317) | Тема доклада «Стохастическая динамика, марковские модели и прогноз» по одноименной лекции | |
| Нижибицкий Евгений (317) | Тема доклада «Временные ряды из геометрии и топологии пространственных паттернов» по одноименной лекции | |
| Остапец Андрей (317) | Тема доклада «Фракталы, аттракторы, нейронные сети» по одноименной лекции | |
| Фонарёв Александр (317) | Тема доклада «Эмбедология и нейропрогноз» по одноименной лекции |
Доклады 2011(весна) года
| Дата | Докладчик | Название доклада |
|---|---|---|
| 13.04.2011 | Кириллов Александр | Предсказание связности графов |
| 20.04.2011 | Ермушева Александра | Задачи и методы коллаборативной фильтрации |
| 04.05.2011 | Платонова Елена | Задачи и методы информационного поиска |
| 11.05.2011 | Бобрик Ксения | Прогнозирование временных рядов |
Участники спецсеминара
| Год выпуска | Участники: |
|---|---|
| Аспирант, 2010 |
Карпович Павел
Диссертация: «K-сингулярные системы точек в алгебраическом подходе к распознаванию образов» (2010, успешно защищена 18.02.2011 по специальности 01.01.09) |
| 2013 |
Бобрик Ксения
Ермушева Александра
Кириллов Александр
|
| 2012 |
|
| Выпускники: | |
| 2010 |
Ахламченкова Ольга
Токарева (Одинокова) Евгения
|
| 2009 |
Власова Юлия
Логинов Вячеслав
Фёдорова Валентина
Чучвара Алексндра (бакалавр)
|
| 2008 |
Ломова Дарья
Вершкова Ирина
|
| 2007 |
Кнорре Анна
Карпович Павел
Сиваченко Евгений
|
| 2006 |
Ховратович (Курятникова) Татьяна
Мошин Николай
|
| 2005 |
Каменева Наталия
Силкин Леонид
|
Некоторые решаемые прикладные задачи
- Прогнозирование временных рядов По характеристикам процесса в прошлом предсказать поведение в будущем. Знание о прошлом может быть неполным или ошибочным. Типичный пример: прогнозирование денежных сумм, которые будут сниматься с банкомата в течение следующей недели.
- Классификация технических сигналов и сигналов головного мозга По описанию изменения некоторой характеристики процесса необходимо определить её класс. Например, по электрокортикограмме определить ментальное состояние человека. При этом обучающая выборка (данные, которые у нас есть) была собрана достаточно давно, а тестирование алгоритма будет проводиться потом (при изменённых внешних условиях, а следовательно, при изменённых характеристиках данных).
- Фильтрация спама Настроить спам-фильтр на некотором универсальном обучающем множестве (данных спам-ловушек) так, чтобы он хорошо работал на компьютере конкретного пользователя (без дополнительной донастройки).
- Иерархическая классификация текстов Написать алгоритм автоматической категоризации документов. Например, новостные рассылки необходимо распределить по каталогам «спорт/футбол», «спорт/биатлон», «музыка/концерты», «музыка/рок/исполнители» и т. д.
- Ранжирование документов на основе обучающего множества Написать алгоритм, который оценивает релевантность документа поисковому запросу. Для фиксированного запроса упорядочить документы (используя их признаковые описания) так, чтобы порядок отражал «адекватность» запроса.
