Моттль В. В.

Автоматический выбор наиболее информативных фрагментов в задачах распознавания сигналов разной длительности

Журнал: 
Страница: 
109
В данной работе предлагается подход, позволяющий осуществить автоматический выбор наиболее информативных элементов многокомпонентных сигналов разной длительности, определенных вдоль оси дискретного аргумента, а также приводится пример применения данного подхода для верификации личности по динамике подписи.

Методы регуляризации в задаче восстановления нестационарной регрессионной зависимости

Журнал: 
Страница: 
274
Задача оценивания нестационарной регрессии практически всегда связна с необходимостью выбора подмножества релевантных регрессоров и определения подходящего уровня нестационарности регрессионной модели, который может изменяться от полной стационарности мгновенных моделей до их полной независимости друг от друга.

Множественное выравнивание совокупности аминокислотных последовательностей на основе вероятностной модели эволюции

Журнал: 
Страница: 
202
 Задача измерения группового сходства аминокислотных последовательностей белков является одной из фундаментальных проблем молекулярной биологии. Существующие алгоритмы решения данной задачи (алгоритмы множественного выравнивания) не основаны на какой-либо формальной постановке задачи и не базируются на единой модели эволюции белков. В данной работе предлагается принципиально новый подход к измерению группового сходства, в основе которого лежит вероятностная эволюционная модель преобразования аминокислотных последовательностей.

Обобщение информационного критерия Акаике для выбора значений непрерывных параметров в моделях данных

Журнал: 
Страница: 
61
Применение информационного критерия Акаике (AIC) для выбора класса модели из упорядоченного множества вложенных классов моделей ограничено предположением, что классы определяются возрастающей размерностью вектора параметров. Мы распространили принцип максимума информации по Кульбаку, лежащий в основе классического информационного критерия Акаике, на более широкий класс моделей, в котором размерность вектора параметров фиксирована, но свобода выбора его значений ограничена системой непрерывно вложенных семейств априорных плотностей распределения.

Отбор информативных признаков при обучении распознаванию образов с упорядоченными признаками

Журнал: 
Страница: 
180
 Рассматривается задача отбора признаков в случае их упорядоченности в задаче обучения распознаванию образов. Большинство подходов к отбору признаков рассматривает вектор признаков объектов, как неупорядоченную совокупность числовых коэффициентов. Однако в ряде задач признаки - есть суть последовательных измерений вдоль оси некоторого аргумента, например, упорядоченные отсчеты какого-либо сигнала. В статье предложен способ отбора признаков с учетом априорной информации об одномерной упорядоченности признаков вдоль оси.

Регулируемая селективность в многомодальном распознавании образов

Журнал: 
Страница: 
89
 В работе рассматривается задача многомодального распознавания образов в рамках концепции метода потенциальных функций. Предлагается вероятностный подход к обучению, обобщающий известные методы отбора признаков, а именно, методы опорных и релевантных потенциальных функций. Приведены результаты эксперимен¬тального исследования модификаций методов опорных и релевантных потенциальных функций, наделенных возможностью предварительного задания необходимого уровня селективности.