Байесовские методы машинного обучения (Спецсеминар)
Материал из MachineLearning.
м |
|||
Строка 11: | Строка 11: | ||
== Прикладные проекты == | == Прикладные проекты == | ||
=== Построение трехмерной модели мозга мыши и статистический анализ экспрессии генов в мозге === | === Построение трехмерной модели мозга мыши и статистический анализ экспрессии генов в мозге === | ||
+ | |||
=== Множественный трекинг лабораторных животных === | === Множественный трекинг лабораторных животных === | ||
+ | [http://rutube.ru/tracks/2375607.html?v=95017715010597214dd559c11c5c3ec0 Видео] | ||
+ | |||
=== Определение поведенческих актов животного по данным видеонаблюдения === | === Определение поведенческих актов животного по данным видеонаблюдения === | ||
=== Нахождение скрытых закономерностей в поведении === | === Нахождение скрытых закономерностей в поведении === |
Версия 23:26, 15 сентября 2009
Основные направления работы семинара
Семинар (рук. н.с. каф. ММП ф-та ВМК МГУ, к.ф.-м.н. Д.П. Ветров, м.н.с. ВЦ РАН Д.А. Кропотов) проводится для студентов каф. ММП, ф-та ВМК МГУ, но открыт для всех желающих. Основным направлением работы семинара является исследование и применение т.н. байесовского подхода к теории вероятностей в решении задач машинного обучения и компьютерного зрения. Байесовские методы получили большое распространение в мире в течение последних 15 лет. Их основными достоинствами является
- возможность автоматической настройки структурных параметров алгоритмов машинного обучения (выбор количества кластеров, определение коэффициента регуляризации, отбор релевантных признаков и объектов, определение топологии нейросети и пр.);
- корректная работа с фактами, достоверность которых точно неизвестна, позволяющая обобщить методы классической булевой логики на ситуации, содержащие значительный элемент неопределенности, которая позволяет успешно применить байесовские методы в экспертных системах;
- возможность учета структурных и вероятностных взаимосвязей в массивах данных, опирающаяся на активно развиваемый в настоящее время аппарат графических моделей;
- представление данных и настраиваемых параметров, позволяющее объединять результаты наблюдений косвенных показателей неизвестной величины с априорными представлениями о ее характерных значениях.
Участники спецсеминара активно участвуют в теоретической работе по разработке новых методов настройки структурных параметров и алгоритмов машинного обучения для нестандартных задач, а также занимаются прикладными исследованиями в области когнитивных технологий.
Методическая поддержка спецсеминара осуществляется спецкурсами «Байесовские методы машинного обучения» и «Структурные методы анализа изображений и сигналов», читаемых на факультете ВМК.