![]() |
ИСТИНА |
Войти в систему Регистрация |
ФНКЦ РР |
||
1. Построен оригинальный подход использования метрической информации в применении метода анализа формальных понятий (АФП) для задач распознавания образов. Подход объединяет идеи связи объект-признак, лежащие в основе АФП и метрические методы распознавания образов. Также был предложен метод оценки компактности и разделимости объектов из разных классов в случае классификации на два класса с применением методов АФП. Предложенный метод протестирован на нескольких задачах с реальными данными. 2. Проведено исследование различных архитектур глубинных нейронных сетей применительно к следующим задачам обработки данных: (1) моделирование распределений на бинарную и многоклассовую форму двухмерного объекта; (2) семантическая сегментация изображений; (3) построение семантических представлений слов. Исследовались архитектуры на основе ограниченных машин Больцмана и их специального случая больцмановских машин формы, свѐрточных сетей, скипграмм; в результате было установлено, что сверточные сети, в целом, обладают рядом преимуществ перед другими архитектурами, особенно в задачах, связанных с обработкой изображений. 3. Продолжены работы по разработки и реализации алгоритмов для BCI-интерфейсов с использованием доступного коммерческого устройства Emotiv. В ходе исследований был предложен способ формирования признакового пространства для решения задачи идентификации направления курсора с использованием BCI, построены алгоритмы фильтрации артефактов, связанных с неинформативными движениями человека и проведено их сравнение с использующемся в большинстве BCI методом, основанном на анализе спектральной характеристики сигнала. 4. Принцип верификации сложных моделей путѐм проверки полноты описания данных с помощью простых моделей, был распространѐн на кусочно-линейные или полиномиальные регрессионные модели. Данный принцип основан на использовании перестановочных тестов и включает верификацию сложных моделей относительно простых моделей, полученных с помощью метода наименьших квадратов, моделей, наименее удалённых от верифицируемой сложной. 5. В теоретических исследованиях обоснования метода поиска оптимальных выпуклых комбинаций предикторов в качестве целевого функционала был принят коэффициент корреляции с прогнозируемой величиной и было строго доказано, что максимальное значение целевого функционала обязательно достигается для выпуклой комбинации, в которой все предикторы со строго положительными коэффициентами образуют несократимый и нерасширяемый набор. 6. В поставленной и исследованной задаче обучения линейной комбинации метрик на размеченной выборке предложен подход, в котором указанная задача сводится к задаче линейного программирования. Показано, что задача всегда разрешима, если в выборке нет противоречивых объектов.
№ | Имя | Описание | Имя файла | Размер | Добавлен |
---|---|---|---|---|---|
1. | Полный текст | Otchet_13-01-00751_2014-12-06_Fin-2.pdf | 589,5 КБ | 2 марта 2017 [sgur] |