Войти
Логин:
Пароль:
Забыли пароль?
научная деятельность
структура институтаобразовательные проектыпериодические изданиясотрудники институтапресс-центрконтакты
русский | english

Семинар лаборатории №1

8 февраля (понедельник), 1500, аудитория 615 ИППИ РАН
 
Предзащита кандидатской диссертации
 
Алексей Зайцев

Построение регрессионных моделей на основе гауссовских процессов с использованием данных разной точности
 
Рассмотрим задачу построения регрессионной модели в случае, если помимо выборки точных данных задана вторая выборка большего размера грубых данных. В таком случае удобной оказывается модель регрессии на основе гауссовских процессов, с помощью которой можно эффективно восстанавливать сложные зависимости и оценивать точность модели в новых точках. 

В первой части доклада рассматриваются теоретические свойства регрессии на основе гауссовских процессов, а именно приведена теорема Бернштейна-фон Мизеса для случая возможной неверной спецификации модели и конечных выборок. Получены оценки разности между байесовской оценкой, оценкой максимума правдоподобия и наилучшей параметрической оценкой, качества аппроксимации апостериорного распределения параметров регрессионной модели нормальным распределением.

При выборках размера больше нескольких тысяч точек непосредственное применение регрессии на основе гауссовских процессов невозможно из-за высокой вычислительной сложности алгоритма. Во второй части доклада рассматриваются два подхода, позволяющие работать с большими выборками данных разной точности или в случае наличия черного ящика для получения грубых данных с помощью аппарата регрессии на основе гауссовских процессов. Приводятся примеры применения разработанных алгоритмов для решения задач суррогатного моделирования и оптимизации инженерных конструкций.
03.02.2016 | Ефимова Мария Александровна
 

 

  © Федеральное государственное бюджетное учреждение науки
Институт проблем передачи информации им. А.А. Харкевича Российской академии наук, 2016
Об институте  |  Контакты  |  Старая версия сайта