Теоретическая информатика: машинное обучение и анализ данных

Вадим Викторович Стрижов, доктор физико-математических наук, научный сотрудник Вычислительного центра РАН, доцент Кафедры интеллектуальных систем Московского физико-технического института, редактор журнала "Машинное обучение и анализ данных".

Электронная почта:
Телефон: +7(499)135-4163
Сайты: MachineLearning.ru, Strijov.com

English version

Vadim Strijov

Публикации

Найдено записей: 0
настройки...

2017 (планы)

Aduenko A.A., Motrenko A.P., Strijov V.V. Object selection in credit scoring using covariance matrix of parameters estimations // Annals of operations research, 2017. Article
Abstract: To construct a bank credit scoring model one must select a set of informative objects (clients) to get an unbiased estimation of the model parameters. The authors propose an object selection algorithm. It is based on analysis of the covariance matrix for the parameters estimations. The computational experiment shows statistical significance of the classification quality improvement. The algorithm is illustrated with the cash loans and heart disease data sets.
BibTeX:
@article{Aduenko-Strijov2014ObjectSelection,
  author = {A. A. Aduenko and A. P. Motrenko and V. V. Strijov},
  title = {Object selection in credit scoring using covariance matrix of parameters estimations},
  journal = {Annals of operations research},
  year = {2017},
  url = {http://strijov.com/papers/Aduenko-Strijov2014ObjectSelection.pdf}
}
Рудаков К.В., Кузнецов М.П., Мотренко А.П., Стенина М.М., Каширин Д.О., Стрижов В.В. Выбор оптимальной модели прогнозирования объемов грузовых железнодорожных перевозок // Автоматика и телемеханика, 2017, 78(1) : 74-86. Article
Abstract: Решается задача выбора оптимальной модели краткосрочного прогнозирования объемов железнодорожных перевозок по историческим и экзогенным временным рядам. Исторические данные содержат информацию об объемах перевозок различных типов грузов между парами станций. Предполагается, что результат выбора оптимальной модели зависит от уровня агрегирования по типам грузов, пунктам отправления и назначения и по времени. Рассмотрены модели векторной авторегрессии, интегрированная модель авторегрессионного скользящего среднего и непараметрическая модель гистограммного прогнозирования. Предложены критерии сравнения прогнозов на основе расстояний между ошибками прогнозов моделей. Данные критерии используются для анализа моделей с целью определения допустимых запросов на прогноз, в том числе, фактической глубины прогнозирования.
BibTeX:
@article{Rudakov2015RZD,
  author = {Рудаков, К. В. and Кузнецов, М. П. and Мотренко, А. П. and Стенина, М. М. and Каширин, Д. О. and Стрижов, В. В.},
  title = {Выбор оптимальной модели прогнозирования объемов грузовых железнодорожных перевозок},
  journal = {Автоматика и телемеханика},
  year = {2017},
  volume = {78(1)},
  pages = {74-86},
  url = {http://strijov.com/papers/Rudakov2015RZD.pdf},
  doi = {10.1134/S0005117917010064}
}

2016

Kuznetsov M., Motrenko A., Kuznetsova R., Strijov V. Methods for intrinsic plagiarism detection and author diarization // Working Notes of CLEF, 2016, 1609 : 912-919. Article
Abstract: The paper investigates methods for intrinsic plagiarism detection and author diarization. We developed a plagiarism detection method based on constructing an author style function from features of text sentences and detecting outliers. We adapted the method for the diarization problem by segmenting author style statistics on text parts, which correspond to different authors. Both methods were tested on the PAN-2011 collection for the intrinsic plagiarism detection and implemented for the PAN-2016 competition on author diarization.
BibTeX:
@article{Kuznetsov2016CLEF,
  author = {Mikhail Kuznetsov and Anastasia Motrenko and Rita Kuznetsova and Vadim Strijov},
  title = {Methods for intrinsic plagiarism detection and author diarization},
  journal = {Working Notes of CLEF},
  year = {2016},
  volume = {1609},
  pages = {912-919},
  url = {http://ceur-ws.org/Vol-1609/16090912.pdf},
  doi = {http://ceur-ws.org/Vol-1609/}
}
Kuznetsov M.P., Tokmakova A.A., Strijov V.V. Analytic and stochastic methods of structure parameter estimation // Informatica, 2016, 27(3) : 607-624. Article
Abstract: The paper presents analytic and stochastic methods of structure parameters estimation for model selection. Structure parameters are covariance matrices of parameters of linear and non-linear regression models. To optimize the model parameters and the structure parameters we maximize the model evidence including the data likelihood and the prior parameter distribution. The analytic methods are based on the approximated model evidence derivatives computation. The stochastic methods are based on the model parameters sampling and data cross-validation. The proposed methods are tested and compared on synthetic and real data.
BibTeX:
@article{Kuznetsov2013Structure,
  author = {M. P. Kuznetsov and A. A. Tokmakova and V. V. Strijov},
  title = {Analytic and stochastic methods of structure parameter estimation},
  journal = {Informatica},
  year = {2016},
  volume = {27(3)},
  pages = {607-624},
  url = {http://strijov.com/papers/HyperOptimizationEng.pdf},
  doi = {http://www.mii.lt/informatica/pdf/INFO1109.pdf}
}
Motrenko A.P., Rudakov K.V., Strijov V.V. Combining endogenous and exogenous variables in a special case of non-parametric time series forecasting model // Moscow University Computational Mathematics and Cybernetics, 2016, 40(2) : 71-78. Article
Abstract: We address a problem of increasing quality of forecasting time series by taking into account the information about exogenous factors. Our aim is to improve a special case of non-parametric forecasting algorithm, namely the hist algorithm, derived from quantile regression. The hist minimizes the convolution of a histogram of time series with the loss function. To include exogenous factors into this model we suggest to correct the histogram of endogenous time series, using exogenous time series. We propose to adjust the histogram, using mixtures of conditional histograms as a less sparse alternative to multidimensional histogram and in some cases demonstrate the decrease of loss compared to the basic forecasting algorithm. To the extent of our knowledge, such approach to combining endogenous and exogenous time series is original and has not been proposed yet. The suggested method is illustrated with the data from the Russian Railways.
BibTeX:
@article{Motrenko2015ExogenousFactors,
  author = {Motrenko, A. P. and Rudakov, K. V. and Strijov, V. V.},
  title = {Combining endogenous and exogenous variables in a special case of non-parametric time series forecasting model},
  journal = {Moscow University Computational Mathematics and Cybernetics},
  year = {2016},
  volume = {40(2)},
  pages = {71-78},
  url = {http://strijov.com/papers/Motrenko2015ExogenousFactors.pdf},
  doi = {10.3103/S0278641916020072}
}
Бахтеев О.Ю., Попова М.С., Стрижов В.В. Системы и средства глубокого обучения в задачах классификации // Системы и средства информатики, 2016, 26(2) : 4-22. Article
Abstract: Работа посвящена построению сети глубокого обучения и оптимизации ее параметров с помощью вычислительных мощностей графического ускорителя на основе сервиса облачных вычислений Amazon Web Services. Рассматривается задача классификации временных рядов. Для ее решения строится сеть глубокого обучения: суперпозиция универсальных моделей. В качестве исследуемой структуры сети рассматривается композиция ограниченной машины Больцмана, автокодировщика и двухслойной нейросети. Анализруется зависимость ошибки классификации от числа параметров и размера обучающей выборки. В качестве иллюстрирующего примера рассматривается задача классификации временных рядов акселерометра мобильного телефона. Приведены рекомендации по использованию программного обеспечения, предназначенного для решения задач глубокого обучения.
BibTeX:
@article{Bakhteev2016AWS,
  author = {Бахтеев, О. Ю. and Попова, М. С. and Стрижов, В. В.},
  title = {Системы и средства глубокого обучения в задачах классификации},
  journal = {Системы и средства информатики},
  year = {2016},
  volume = {26(2)},
  pages = {4-22},
  url = {http://strijov.com/papers/Bakhteev2016AWS.pdf}
}
Гончаров А.В., Стрижов В.В. Метрическая классификация временных рядов со взвешенным выравниванием относительно центроидов классов // Информатика и ее применения, 2016, 10(2) : 36-47. Article
Abstract: В работе рассматривается задача метрического анализа и классификации временных рядов. В такой задаче метрические методы используют матрицу попарных расстояний, строящуюся при помощи фиксированной функции расстояния. Данная матрица имеет большую размерность, а значит связанные с ней вычисления являются трудоемкими. Проблема снижения вычислительной сложности решается путем предварительного выделения эталонных объектов и последующего их использования для описания классов. В качестве базовой модели выбрана модель, использующая динамическое выравнивание временных рядов для построения центроида. В работе предлагается ввести функцию весов центроида, влияющую на вычисление расстояния между объектами. В качестве объектов предложено использовать как временные ряды элементарных функций, так и временные ряды физической активности человека с акселерометра мобильного телефона. Свойства построенной модели исследуются и сравниваются со свойствами базовой модели.
BibTeX:
@article{Goncharov2015autumn,
  author = {Гончаров, А. В. and Стрижов, В. В.},
  title = {Метрическая классификация временных рядов со взвешенным выравниванием относительно центроидов классов},
  journal = {Информатика и ее применения},
  year = {2016},
  volume = {10(2)},
  pages = {36-47},
  url = {http://strijov.com/papers/Goncharov2015authumn.pdf},
  doi = {10.14357/19922264160204}
}
Журавлев Ю.И., Рудаков К.В., Корчагин А.Д., Кузнецов М.П., Мотренко А.П., Стенина М.М., Стрижов В.В. Методы прогнозирования и согласования временных рядов // Вестник РАН, 2016, 86(2) : 138. Article
Abstract: При решении задач планирования в системах железнодорожного транспорта возникают проблемы связанные с нестационарностью, неравномерностью и высокой зашумленностью данных о грузоперевозках. Для повышения эффективности управления необходимо создание интеллектуальных систем, опирающихся на математические модели, исторические данные и формализованный опыт экспертов. Данная статья посвящена описанию проекта по созданию системы прогнозирования, направленной на повышение качества управления грузовыми железнодорожными перевозками путем выявления взаимосвязи объемов погрузки и спроса на грузовые железнодорожные перевозки с учетом экзогенных факторов.
BibTeX:
@article{Zhur2016TimeSeries,
  author = {Журавлев, Ю. И. and Рудаков, К. В. and Корчагин, А. Д. and Кузнецов, М. П. and Мотренко, А. П. and Стенина, М. М. and Стрижов, В. В.},
  title = {Методы прогнозирования и согласования временных рядов},
  journal = {Вестник РАН},
  year = {2016},
  volume = {86(2)},
  pages = {138},
  url = {http://strijov.com/papers/Zhuravlev2015RZD.pdf},
  doi = {10.7868/S0869587316020213}
}
Задаянчук А.И., Попова М.С., Стрижов В.В. Выбор оптимальной модели классификации физической активности по измерениям акселерометра // Информационные технологии, 2016, 22(4) : 313-318. Article
Abstract: Решается задача построения модели для точной и устойчивой классификации физической активности человека по временным рядам. Нейронные сети с недостаточным или избыточным числом нейронов обладают недостаточной обобщающей способностью и могут давать прогнозы, неустойчивые относительно изменения состава выборки. Исследуются модели из класса двухслойных нейронных сетей. Рассматриваются модели с избыточно сложной структурой. Структура модели оптимизируется путем удаления из нее наборов параметров — нейронов. Для оптимизации структуры нейронной сети и обеспечения устойчивости предлагается алгоритм генетического типа. Новизна работы заключается в том, что вероятность удаления наборов параметров определяется дисперсией параметров. В вычислительном эксперименте модели, порождаемые предложенной стратегией, сравниваются по двум критериям качества: точности и устойчивости. Модели оптимизируются на выборках, полученных путем выделения признаков из временных рядов.
BibTeX:
@article{Zadayanchuk2015OptimalNN4,
  author = {Задаянчук, А. И. and Попова, М. С. and Стрижов, В. В.},
  title = {Выбор оптимальной модели классификации физической активности по измерениям акселерометра},
  journal = {Информационные технологии},
  year = {2016},
  volume = {22(4)},
  pages = {313-318},
  url = {http://strijov.com/papers/Zadayanchuk2015OptimalNN4.pdf}
}
Исаченко Р.В., Стрижов В.В. Метрическое обучение в задачах многоклассовой классификации временных рядов // Информатика и ее применения, 2016, 10(2) : 48-57. Article
Abstract: Работа посвящена построению модели многоклассовой классификации временн‚ых рядов. Предлагается выравнивать временн‚ые ряды относительно центроидов классов. Процедура нахождения центроидов и выравнивания временн‚ых рядов осуществляется с помощью алгоритма динамической трансформации времени. Для повышения качества классификации в данной работе используются методы метрического обучения. Метрическое обучение позволяет модифицировать расстояния между временн‚ыми рядами, сближая временн‚ые ряды из одного класса и отдаляя временн‚ые ряды из разных классов. Расстояние между временн‚ыми рядами измеряется с помощью метрики Махаланобиса. Процедура метрического обучения состоит в определении оптимальной матрицы трансформаций в метрике Махаланобиса. Для анализа качества построенного алгоритма проведен вычислительный эксперимент на синтетических и реальных данных показаний с акселерометра мобильного телефона.
BibTeX:
@article{Isachenko2016MetricsLearning,
  author = {Исаченко, Р. В. and Стрижов, В. В.},
  title = {Метрическое обучение в задачах многоклассовой классификации временных рядов},
  journal = {Информатика и ее применения},
  year = {2016},
  volume = {10(2)},
  pages = {48-57},
  url = {http://strijov.com/papers/Isachenko2016MetricsLearning.pdf},
  doi = {10.14357/19922264160205}
}
Карасиков М.Е., Стрижов В.В. Классификация временных рядов в пространстве параметров порождающих моделей // Информатика и ее применения, 2016. Article
Abstract: Работа посвящена задаче многоклассовой признаковой классификации временных рядов. Признаковая классификация временных рядов заключается в сопоставлении каждому временному ряду его краткого признакового описания, позволяю- щему решать задачу классификации в пространстве признаков. В работе исследуются методы построения пространства признаков временных рядов. При этом временной ряд рассматривается как последовательность сегментов, аппроксимируемых некоторой параметрической моделью, параметры которой используются в качестве их признаковых описаний. Построенное так признаковое описание сегмента временного ряда наследует от модели аппроксимации такие полезные свойства, как инвариантность относительно сдвига. Для решения задачи классификации в качестве признаковых описаний временных рядов предлагается использовать распределения параметров аппроксимирующих сегменты моделей, что обобщает базовые методы, использующие непосредственно сами параметры аппроксимирующих моделей. Проведен ряд вычислительных экспериментов на реальных данных, показавших высокое качество решения задачи многоклассовой классификации. Эксперименты показали превосходство предлагаемого метода над базовым и многими распространенными методами классификации временных рядов на всех рассмотренных наборах данных.
BibTeX:
@article{Karasikov2016TSC,
  author = {Карасиков, М. Е. and Стрижов, В. В.},
  title = {Классификация временных рядов в пространстве параметров порождающих моделей},
  journal = {Информатика и ее применения},
  year = {2016},
  url = {http://strijov.com/papers/Karasikov2016TSC.pdf}
}
Кузнецова М.В., Стрижов В.В. Локальное прогнозирование временных рядов с использованием инвариантных преобразований // Информационные технологии, 2016, 22(6) : 457-462. Article
Abstract: Работа посвящена построению прогностической модели одномерного временного ряда. Предлагается найти сегменты локальной предыстории, похожие на прогнозируемый сегмент. Близкие по заданной функции расстояния сегменты объединяются в кластер. Прогностическое значение вычисляется путем усреднения значений сегментов кластера. Для повышения качества прогнозирования вводится инвариантное преобразование сегментов - преобразование, сохраняющее эквивалентность на кластерах. Для преобразования используется функция, построенная с помощью метода динамического выравнивания временных рядов. Предложенный алгоритм проиллюстрирован временными рядами, описывающими движение человека и содержащими показания акселерометра. Строится ретроспективный прогноз временного ряда. В вычислительном эксперименте сравниваются два алгоритма построения прогностической модели— с кластеризацией сегментов временного ряда и с использованием метода ближайшего соседа.
BibTeX:
@article{Kuznetsova2015TimeSeries,
  author = {Кузнецова, М. В. and Стрижов, В. В.},
  title = {Локальное прогнозирование временных рядов с использованием инвариантных преобразований},
  journal = {Информационные технологии},
  year = {2016},
  volume = {22(6)},
  pages = {457-462},
  url = {http://strijov.com/papers/Kuznetsova2015TimeSeries.pdf}
}
Нейчев Р.Г., Катруца А.М., Стрижов В. Выбор оптимального набора признаков из мультикоррелирующего множества в задаче прогнозирования // Заводская лаборатория. Диагностика материалов, 2016, 82(3) : 68-74. Article
Abstract: Рассматривается проблема прогнозирования временных рядов. Для получения устойчивого прогноза предлагается рассматривать входные временные ряды как матрицу объект-признак и использовать отбор признаков. В условиях мультиколлинеарности признаков необходим критерий для ее обнаружения. Для этого предлагается применить подход, основанный на методе Белсли. Исключение коррелирующих признаков при отборе позволяет сократить размерность задачи и получить устойчивые оценки параметров модели. Для отбора признаков в работе предлагается метод добавления и удаления признаков. В качестве практической проверки данного метода в ходе вычислительного эксперимента решается задача прогнозирования почасовых значений цен на электроэнергию. Эксперименты были проведены на реальных данных о ценах на электроэнергию в Германии.
BibTeX:
@article{Neychev2015FeatureSelection,
  author = {Нейчев, Р. Г. and Катруца, А. М. and Стрижов, В.В.},
  title = {Выбор оптимального набора признаков из мультикоррелирующего множества в задаче прогнозирования},
  journal = {Заводская лаборатория. Диагностика материалов},
  year = {2016},
  volume = {82(3)},
  pages = {68-74},
  url = {http://strijov.com/papers/Neychev2015FeatureSelection.pdf}
}
Goncharov A.V., Strijov V.V. Continuous time series alignment in human actions recognition // Artificial Intelligence and Natural Language & Information Extraction, Social Media and Web Search FRUCT Conference proceedings // Artificial Intelligence and Natural Language & Information Extraction, Social Media and Web Search
FRUCT Conference proceedings, 2016. Inproceedings
Abstract: Human physical activity monitoring with wearable devices imposes significant restrictions on the processing power and the amount of memory available to the algorithm. Proposed to move from discrete time series representation to its analytical description and analyze them using mathematical models for satisfying these constraints. The work deals with physical activity classification. It uses metric classification algorithm, where the object’s class determined by the distance from this object to the nearest centroid. Paper proposed to approximate all time series with splines and find the distance to the nearest centroid using continuous alignment path. The calculation of distance is performed using analytical transformations.
BibTeX:
@inproceedings{Gonchariv2016Fruct,
  author = {Goncharov, A. V. and Strijov, V. V.},
  title = {Continuous time series alignment in human actions recognition},
  booktitle = {Artificial Intelligence and Natural Language & Information Extraction, Social Media and Web Search
FRUCT Conference proceedings}, journal = {Artificial Intelligence and Natural Language & Information Extraction, Social Media and Web Search FRUCT Conference proceedings}, year = {2016}, url = {http://strijov.com/papers/Goncharov_Fruct_2016.pdf} }
Kuzmin A.A., Aduenko A.A., Strijov V.V. Thematic Classification for EURO/IFORS Conference Using Expert Model // 28th European Conference on Operational Research, 2016. Inproceedings
Abstract: Every year the program committee of a major conference constructs its scientific program. Some participants take part in invited sessions, but for the majority of participants the PC along with experts have to choose sessions according to their contributed abstracts. To fit an abstract into the current conference programme one has to construct an expert system. It should respect previous conferences structure and use thematic modeling techniques.
The conference structure represents a tree. It has abstracts as leaves and areas, streams, sessions as nodes. Abstracts from the previous conferences already have their positions in this structure. To classify a new abstract one can use divisive hierarchical classification methods, based on SVM, NB or kNN. However, these methods are greedy. Insufficient number of abstracts in each lowest level cluster makes classification unstable. In addition, expert and algorithmic classifications differs. So a group of the most relevant clusters is preferable than the best one to meet expert needs.
We propose a relevance operator that returns all clusters sorted by their relevance. We consider three ways of constructing such operator using hierarchical multiclass SVM, PLSA with Adaptive Regularization, and proposed weighted hierarchical similarity function. We construct a model of EURO 2010 using expert models of EURO 2012 and 2013 to demonstrate performance of proposed methods.
BibTeX:
@inproceedings{KuzminEURO2016,
  author = {Kuzmin, A. A. and Aduenko, A. A. and Strijov, V. V.},
  title = {Thematic Classification for EURO/IFORS Conference Using Expert Model},
  booktitle = {28th European Conference on Operational Research},
  year = {2016},
  url = {http://strijov.com/papers/KuzminEURO2016.pdf}
}
Strijov V.V., Motrenko A.P. Large-scale time series forecasting // 28th European Conference on Operational Research // 28th European Conference on Operational Research, 2016. Inproceedings
Abstract: The talk is devoted to investigation of behavior of a device, a member of the internet of things. A device is monitored by a set of sensors, which produces large amount of multiscale time series during its lifespan. These time series have various time scales, due to measurements could perform over each millisecond, day, week, etc. The main goal is to forecast the next state of a device. The investigation assumes the following conditions for a single device unit time series: there are large set of multiscale time series; the sampling rate of a time series is fixed; each time series has its own forecast horizon. To make an adequate forecasting model hold the following hypothesis: the time history is sufficient long; the time series have auto- and cross-correlation dependencies. The model is static, so there exists a history of optimal size. Each time series could be interpolated by some local model, a that there exist a local approximation model, which could be applied in the case of local data absence. The vector-autoregression approach conducts problem statement. To find a model of optimal complexity a consequent model generation-selection procedure was constructed. The test-bench compares random forest, boosting and mixture of experts.
BibTeX:
@inproceedings{Strijov2016MultiscaleForecasting,
  author = {Strijov, V. V. and Motrenko, A. P.},
  title = {Large-scale time series forecasting},
  booktitle = {28th European Conference on Operational Research},
  journal = {28th European Conference on Operational Research},
  year = {2016},
  url = {http://strijov.com/papers/Strijov2016MultiscaleForecasting.pdf}
}
Владимирова М.Р., Стрижов В.В. Бэггинг нейронных сетей в многозадачной классификации биологической активности ядерных рецепторов // Интеллектуализация обработки информации, 2016 : 18-19. Inproceedings
Abstract: Рассматривается проблема многозадачной классификации на данных, описывающих взаимодействие ядерных рецепторов. Ядерные рецепторы представляют собой класс находящихся в клетках белков. Рецепторы влияют на транскрипцию генов: регулируют развитие, гомеостаз и обмен веществ в организме. Регулирование происходит в основном тогда, когда рецептор и лиганд-молекула, воздействующая на поведение рецептора, взаимодействуют. Требуется предсказать, будет ли объект относиться к определенному классу, т. е. будет ли взаимодействовать данный лиганд с определенным рецептором.

В качестве модели классификации используется двухслойная нейронная сеть. Рассматриваются задачи линейной и логистической регрессий с квадратичной и кросс-энтропийной функциями потерь. Проводится декомпозиция функции ошибки на смещение и дисперсию. Для повышения качества предсказаний за счет уменьшения дисперсии ошибки предлагается использовать композицию двухслойных нейронных сетей - бэггинг. Бэггинг генерирует из элементов обучающей выборки семейство подвыборок того же размера с помощью процедуры бутстрэп. На каждой подвыборке настраивается классификатор. Ответы классификаторов агрегируются путем простого голосования. Предложенный метод позволяет повысить качество классификации исследуемой выборки.

BibTeX:
@inproceedings{Vladimorove2016IDP,
  author = {Владимирова, Мария Руслановна and Стрижов, Вадим Викторович},
  title = {Бэггинг нейронных сетей в многозадачной классификации биологической активности ядерных рецепторов},
  booktitle = {Интеллектуализация обработки информации},
  year = {2016},
  pages = {18-19},
  url = {Vladimorove2016IDP}
}
Кузьмин А.А., Адуенко А.А., Стрижов В.В. Построение иерархических тематических моделей коллекций коротких текстов // Интеллектуализация обработки информации, тезисы докладов, 2016 : 174-175. Inproceedings
Abstract: Решается проблема построения иерархической тематической модели коллекции коротких текстов и верификация экспертной тематической модели. Предлагаются алгоритмы выбора оптимальной метрики и отбора признаков. Анализируются способы представления документа в виде действительного вектора. Сравниваются агломеративные и дивизимные подходы при построении иерархической тематической модели. Предлагается иерархическая взвешенная функция сходства для классификации неразмеченных документов коллекции, в которой весом каждого слова из словаря коллекции является его важность для кластеризации и классификации. Предлагается энтропийный метод оценки весов данной функции с помощью экспертной тематической модели. Предложенная функция сходства адаптируется для учета векторного представления слов с помощью языковых моделей и представляется в виде четырехслойной нейронной сети. Предложенные методы используются при построении экспертной системы для классификации новых тезисов крупной конференции EURO с помощью экспертных тематических моделей данной конференции с 2006 по 2016 гг. Результаты сравниваются с иерархическим мультиклассовым SVM, вероятностной тематической моделью SuhiPLSA и иерархическим наивным байесовским подходом.
Review: Решается проблема построения иерархической тематической модели коллекции коротких текстов и верификация экспертной тематической модели [1]. Предлагаются алгоритмы выбора оптимальной метрики и отбора признаков. Анализируются способы представления документа в виде действительного вектора. Сравниваются агломеративные и дивизимные подходы при построении иерархической тематической модели.

Предлагается иерархическая взвешенная функция сходства для классификации неразмеченных документов коллекции, в которой весом каждого слова из словаря коллекции является его важность для кластеризации и классификации. Предлагается энтропийный метод оценки весов данной функции с помощью экспертной тематической модели. Предложенная функция сходства адаптируется для учета векторного представления слов с помощью языковых моделей и представляется в виде четырехслойной нейронной сети.

Предложенные методы используются при построении экспертной системы для классификации новых тезисов крупной конференции EURO с помощью экспертных тематических моделей данной конференции с 2006 по 2016 гг. Результаты сравниваются с иерархическим мультиклассовым SVM, вероятностной тема- тической моделью SuhiPLSA и иерархическим наивным байесовским подходом.

BibTeX:
@inproceedings{Kuzmin2016IDP,
  author = {Кузьмин, Арсентий Александрович and Адуенко, Александр Александрович and Стрижов, Вадим Викторович},
  title = {Построение иерархических тематических моделей коллекций коротких текстов},
  booktitle = {Интеллектуализация обработки информации, тезисы докладов},
  year = {2016},
  pages = {174-175},
  url = {Kuzmin2016IDP}
}
Мотренко А.П., Нейчев Р.Г., Исаченко Р.В., Попова М.С., Громов А.Н., Стрижов В.В. Порождение признаков в задаче прогнозирования набора разномасштабных временных рядов // Интеллектуализация обработки информации, тезисы докладов, 2016 : 129-130. Inproceedings
Abstract: Предлагается подход к прогнозированию набора разномасштабных временных рядов. Рассматривается задача прогнозирования состояния устройства Интернета вещей. Устройство снабжено набором сенсоров, генерирующих временные ряды различного масштаба с различной частотой сэмплирования. Требуется спрогнозировать значения каждого временного ряда в заданном промежутке времени.
Данная задача сводится к задаче регрессии. Предлагается метод построения признакового описания для регрессионной задачи, основанный на порождении заведомо избыточного набора признаков с последующим отбором признаков. Порожденные признаки включают предысторию всех временных рядов из набора и их локальные преобразования. Применение предлагаемого подхода рассмотрено на примере нескольких регрессионных алгоритмов. Исследовано качество прогнозов в зависимости от горизонта прогнозирования.
BibTeX:
@inproceedings{MotrenkoMiltiscale2016IDP,
  author = {Мотренко, Анастасия Петровна and Нейчев, Радослав Георгиев and Исаченко, Роман Владимирович and Попова, Мария Сергеевна and Громов, Андрей Николаевич and Стрижов, Вадим Викторович},
  title = {Порождение признаков в задаче прогнозирования набора разномасштабных временных рядов},
  booktitle = {Интеллектуализация обработки информации, тезисы докладов},
  year = {2016},
  pages = {129-130},
  url = {MotrenkoMiltiscale2016IDP}
}
Нейчев Р.Г., Мотренко А.П., Исаченко Р.В., Инякин А.С., Стрижов В.В. Прогностические мультимодели разномасштабных временных рядов Интернета вещей // Интеллкектуализация обработки информации, 2016 : 130-131. Inproceedings
Abstract: Решается задача прогнозирования большого числа взаимосвязанных временных рядов. Их источником служат датчики мониторинга устройств Интернета вещей. Предполагается, что пространство параметров описания временных рядов неоднородно, выборка не является простой.

Задача построения прогноза сводится к задаче регрессии. Для получения точного и устойчивого прогноза предлагается использовать смесь экспертов - прогностических моделей для ее решения. В качестве моделей используются нейронные сети. Исследуются задачи оптимизации пространства параметров нейронных сетей, выбора нейронных сетей оптимальной сложности, выбора оптимального числа экспертов. В ходе вычислительного эксперимента сравниваются три класса моделей: смесь экспертов, градиентный бустинг, решающие деревья. Эксперимент выполнен на реальных данных, содержащих информацию о потреблении элекроэнергии и погодных условиях в Польше.

BibTeX:
@inproceedings{Neychev2016IDP,
  author = {Нейчев, Р. Г. and Мотренко, А. П. and Исаченко, Р. В. and Инякин, А. С. and Стрижов, В. В.},
  title = {Прогностические мультимодели разномасштабных временных рядов Интернета вещей},
  booktitle = {Интеллкектуализация обработки информации},
  year = {2016},
  pages = {130-131},
  url = {Neychev2016IDP}
}
Кузнецов М.П. Построение моделей обучения по предпочтениям с использованием порядковых экспертных оценок (научный руководитель В.В. Стрижов). Московский физико-технический институт, 2016. Phdthesis
Abstract: Диссертационная работа посвящена построению математических моделей обучения по предпочтениям. Разработанные методы опираются на анализ частично упорядоченных мно- жеств экспертных оценок объектов и признаков.
BibTeX:
@phdthesis{Kuznetsov2016PhDThesis,
  author = {Кузнецов, М. П.},
  title = {Построение моделей обучения по предпочтениям с использованием порядковых экспертных оценок (научный руководитель В.В. Стрижов)},
  school = {Московский физико-технический институт},
  year = {2016},
  url = {https://mipt.ru/upload/iblock/782/kuznetsov_dissertatsiya.pdf},
  doi = {https://mipt.ru/upload/iblock/3cb/kuznetsov_avtoreferat.pdf}
}

2015

Ignatov A., Strijov V. Human activity recognition using quasiperiodic time series collected from a single triaxial accelerometer // Multimedia Tools and Applications, 2015, 17.05.2015 : 1-14. Article
Abstract: The current generation of portable mobile devices incorporates various types of sensors that open up new areas for the analysis of human behavior. In this paper, we propose a method for human physical activity recognition using time series, collected from a single tri-axial accelerometer of a smartphone. Primarily, the method solves a problem of time series segmentation, assuming that each meaningful segment corresponds to one fundamental period of motion. To extract the fundamental period we construct the phase trajectory matrix, applying the technique of principal component analysis. The obtained segments refer to various types of human physical activity. To recognize these activities we use the k-nearest neighbor algorithm and neural network as an alternative. We verify the accuracy of the proposed algorithms by testing them on the WISDM dataset of labeled accelerometer time series from thirteen users. The results show that our method achieves high precision, ensuring nearly 96% recognition accuracy when using the bunch of segmentation and k-nearest neighbor algorithms.
BibTeX:
@article{Ignatov2015HumanActivity,
  author = {Andrey Ignatov and Vadim Strijov},
  title = {Human activity recognition using quasiperiodic time series collected from a single triaxial accelerometer},
  journal = {Multimedia Tools and Applications},
  year = {2015},
  volume = {17.05.2015},
  pages = {1-14},
  url = {http://strijov.com/papers/Ignatov2015HumanActivity.pdf},
  doi = {10.1007/s11042-015-2643-0}
}
Katrutsa A.M., Kuznetsov M.P., Rudakov K.V., Strijov V.V. Metric concentration search procedure using reduced matrix of pairwise distances // Intelligent Data Analysis, 2015, 19(5) : 1091-1108. Article
Abstract: This paper presents a new fast clustering algorithm RhoNet, based on the metric concenration location procedure. To locate the metric concentration, the algorithm uses a reduced matrix of pairwise ranks distances. The key feature of the proposed algorithm is that it doesn't need the exhaustive matrix of pairwise distances. This feature reduces computational complexity. It is designed to solve the protein secondary structure recognition problem. The computational experiment collects tests and to hold performance analysis and analysis of dependency for the algorithm quality and structure parameters. The algorithm is compared with k-modes and tested on different metrics and data sets.
BibTeX:
@article{Katrutsa2014RhoNet,
  author = {Katrutsa, A. M. and Kuznetsov, M. P. and Rudakov, K. V. and Strijov, V. V.},
  title = {Metric concentration search procedure using reduced matrix of pairwise distances},
  journal = {Intelligent Data Analysis},
  year = {2015},
  volume = {19(5)},
  pages = {1091-1108},
  url = {http://strijov.com/papers/Katrutsa2014RhoNetClustering.pdf},
  doi = {10.3233/IDA-150760}
}
Katrutsa A.M., Strijov V.V. Stresstest procedure for feature selection algorithms // Chemometrics and Intelligent Laboratory Systems, 2015, 142 : 172-183. Article
Abstract: This study investigates the multicollinearity problem and the performance of feature selection methods in case of datasets have multicollinear features. We propose a stresstest procedure for a set of feature selection methods. This procedure generates test data sets with various configurations of the target vector and features. A number of some multicollinear features are inserted in every configuration. A feature selection method results a set of selected features for given test data set. To compare given feature selection methods the procedure uses several quality measures. A criterion of the selected features redundancy is proposed. This criterion estimates number of multicollinear features among the selected ones. To detect multicollinearity it uses the eigensystem of the parameter covariance matrix. In computational experiments we consider the following illustrative methods: Lasso, ElasticNet, LARS, Ridge and Stepwise and determine the best one, which solve the multicollinearity problem for every considered configuration of dataset.
BibTeX:
@article{Katrutsa2015Stresstest,
  author = {Katrutsa, A. M. and Strijov, V. V.},
  title = {Stresstest procedure for feature selection algorithms},
  journal = {Chemometrics and Intelligent Laboratory Systems},
  year = {2015},
  volume = {142},
  pages = {172-183},
  url = {http://strijov.com/papers/Katrutsa2014TestGenerationEn.pdf},
  doi = {10.1016/j.chemolab.2015.01.018}
}
Kuznetsov M.P., Clasel M., Amini M.-R., Gaussier E., Strijov V.V. Supervised topic classification for modeling a hierarchical conference structure // in S. Arik et al. (Eds.): International conference on neural information processing, Part 1, LNCS, 2015, 9489 : 90–97. Article
Abstract: In this paper we investigate the problem of supervised latent modelling for extracting topic hierarchies from data. The supervised part is given in the form of expert information over document-topic correspondence. To exploit the expert information we use a regularization term that penalizes the di erence between a predicted and an expertgiven model. We hence add the regularization term to the log-likelihood function and use a stochastic EM based algorithm for parameter estimation. The proposed method is used to construct a topic hierarchy over the proceedings of the European Conference on Operational Research and helps to automatize the abstract submission system.
BibTeX:
@article{TopicModelsICONIP2015,
  author = {Kuznetsov, M. P. and Clasel, M. and Amini, M.-R. and Gaussier, E. and Strijov, V. V.},
  title = {Supervised topic classification for modeling a hierarchical conference structure},
  journal = {in S. Arik et al. (Eds.): International conference on neural information processing, Part 1, LNCS},
  year = {2015},
  volume = {9489},
  pages = {90–97},
  url = {http://strijov.com/papers/TopicModelsICONIP2015.pdf},
  doi = {10.1007/978-3-319-26532-2}
}
Motrenko A.P., Strijov V.V. Extracting fundamental periods to segment human motion time series // Journal of Biomedical and Health Informatics, 2015, PP(99) : ?. Article
Abstract: The paper addresses a problem of sensor-based time series segmentation as a part of human activity recognition problem. We assume that each studied time series contains a fundamenta periodic which can be seen as an ultimate entity (cycle) of motion. Due to the nature of the data and the urge to obtain interpretable results of segmentation, we defne the segmentation as a partition of the time series into the periods of this fundamental periodic. To split the time series into periods we select a pair of principal components of the Hankel matrix. We then cut the trajectory of the selected principal components by its symmetry axis, thus obtaining half-periods that are merged into segments. A method of selecting a pair of components, corresponding to the fundamental periodic is proposed.
BibTeX:
@article{Motrenko2015Fundamental,
  author = {Motrenko, A. P. and Strijov, V. V.},
  title = {Extracting fundamental periods to segment human motion time series},
  journal = {Journal of Biomedical and Health Informatics},
  year = {2015},
  volume = {PP(99)},
  pages = {?},
  url = {http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group874/Motrenko2014TSsegmentation/JBHI/MotrenkoStrijov2014RV2.pdf?format=raw},
  doi = {10.1109/JBHI.2015.2466440}
}
Stenina M.M., Kuznetsov M.P., Strijov V.V. Ordinal classification using Pareto fronts // Expert Systems with Applications, 2015, 42(14) : 5947–5953. Article
Abstract: We solve an instance ranking problem using ordinal scaled expert estimations. The experts define a preference binary relation on the set of features. The instance ranking problem is considered as the monotone multiclass classification problem. To solve the problem we use a set of Pareto optimal fronts. The proposed method is illustrated with the problem of categorization of the IUCN Red List threatened species.
BibTeX:
@article{Medvednikova2014POF,
  author = {Stenina, M. M. and Kuznetsov, M. P. and Strijov, V. V.},
  title = {Ordinal classification using Pareto fronts},
  journal = {Expert Systems with Applications},
  year = {2015},
  volume = {42(14)},
  pages = {5947–5953},
  url = {http://strijov.com/papers/Medvednikova2014POF.pdf},
  doi = {10.1016/j.eswa.2015.03.021}
}
Strijov V., Weber G.-W., Weber R., Akyuz S.O. Editorial of the special issue data analysis and intelligent optimization with applications // Machine Learning, 2015, 101(1-3) : 1-4. Article
Abstract: This special issue on “Data Analysis and Intelligent Optimization with Applications” follows a previous special issue of this journal on the interplay of Machine Learning and Optimization, “Model Selection and Optimization in ML” (Machine Learning 85:1-2, October 2011). This time we shift our focus to applications of data analysis and optimization techniques. Optimization problems underlie most machine learning approaches. Due to emergence of new practical applications, new problems and challenges for traditional approaches arise. Emergent applications generate new data analysis problems, which, in turn boost new research in optimization. The contribution of machine learning researchers into the field of optimization is of considerable significance and should not be overlooked. This special issue collected solutions, adapted for real world problems, leading to massive and large-scale data sets, online data and imbalanced data. We encouraged submission of papers, devoted to combining machine learning and data analysis techniques with advances in optimization to produce methods of Intelligent Optimization, both theoretical and practical. Our goal for this special issue was to bring together researchers working in different areas, related to analytics and optimization.
BibTeX:
@article{Strijov2015Editorial,
  author = {Vadim Strijov and Gerhard-Wilhelm Weber and Richard Weber and Sureyya Ozogur Akyuz},
  title = {Editorial of the special issue data analysis and intelligent optimization with applications},
  journal = {Machine Learning},
  year = {2015},
  volume = {101(1-3)},
  pages = {1-4},
  url = {http://link.springer.com/content/pdf/10.1007%2Fs10994-015-5523-y.pdf},
  doi = {10.1007/s10994-015-5523-y}
}
Адуенко А.А., Рудаков К.В., Рейер И.А., Василейский А.С., Карелов А.И., Стрижов В.В. Алгоритмы выделения и совмещения устойчивых отражателей на спутниковых снимках // Компьютерная оптика, 2015, 39(4) : 622-630. Article
Abstract: Для решения задачи выделения малых (со скоростями до единиц сантиметров в год и менее) движений земной поверхности с помощью методов SAR-интерферометрии, необходимо выделить некоторое множество участков земной поверхности, которые остаются ко-герентными на радиолокационных снимках в течение длительного времени. Такие участки и соответствующие им точки на снимках называются устойчивыми отражателями. В данной работе рассмотрены два метода выделения устойчивых отражателей. Рассматриваемые методы сравниваются по количеству выделяемых точек и по их средней временной когерентности. Рассматриваемые алгоритмы проиллюстрированы на примере обработки набора из 35 радиолокационных снимков.
BibTeX:
@article{Aduenko2015PSdetection,
  author = {Адуенко, А. А. and Рудаков, К. В. and Рейер, И. А. and Василейский, А. С. and Карелов, А. И. and Стрижов, В. В.},
  title = {Алгоритмы выделения и совмещения устойчивых отражателей на спутниковых снимках},
  journal = {Компьютерная оптика},
  year = {2015},
  volume = {39(4)},
  pages = {622-630},
  url = {http://strijov.com/papers/Aduenko2015PSdetection.pdf},
  doi = {10.18287/0134-2452-2015-39-4-622-630}
}
Газизуллина Р.К., Стенина М.М., Стрижов В.В. Прогнозирование объемов железнодорожных грузоперевозок по парам веток // Системы и средства информатики, 2015, 25(1) : 144-157. Article
Abstract: Работа посвящена исследованию алгоритма непараметрического прогнозирования объемов железнодорожных грузоперевозок. Решается задача прогнозирования количества вагонов с различными грузами, следующих по различным маршрутам. Задана топология железнодорожной сети - для всех возможных пар железнодорожных веток дана информация о всех блоках вагонов, совершивших переезд с одной ветки на другую, включая количество вагонов в блоке, вид груза и дату прохождения маршрута. Для построения прогноза используется алгоритм, основанный на свертке эмпирической плотности распределения значений временного ряда с функцией потерь. Ранее прогноз выполнялся для каждого железнодорожного узла в отдельности. Предлагается повысить качество прогноза за счет прогнозирования по парам веток вместо прогнозирования отправления всех вагонов с данного узла. Алгоритм проиллюстрирован посуточными данными за полтора года о перевозках 38 типов грузов.
BibTeX:
@article{Gazizullina2014RailwayForecasting,
  author = {Газизуллина, Р. К. and Стенина, М. М. and Стрижов, В. В.},
  title = {Прогнозирование объемов железнодорожных грузоперевозок по парам веток},
  journal = {Системы и средства информатики},
  year = {2015},
  volume = {25(1)},
  pages = {144-157},
  url = {http://strijov.com/papers/Gazizullina2014RailwayForecasting.pdf},
  doi = {10.14357/08696527150109}
}
Гончаров А.В., Попова М.С., Стрижов В.В. Метрическая классификация временных рядов с выравниванием относительно центроидов классов // Системы и средства информатики, 2015, 25(4) : 52-64. Article
Abstract: В работе рассматривается задача многоклассовой классификации временных рядов. Классификация производится с помощью метрических методов, использующих матрицу попарных расстояний между временными рядами. Вычисление такой матрицы является трудоемким, так как ее размерность равна числу объектов выборки. С целью снижения размерности предлагается предварительно выделять эталонные объекты, а именно центроиды каждого класса, и строить матрицу попарных расстояний между объектами выборки и эталонными объектами классов. Для вычисления попарных расстояний между объектами предлагается использовать метод динамического выравнивания временных рядов. В качестве прикладной задачи рассматривается задача распознавания типа движения по данным акселерометра мобильного телефона. Метрический алгоритм классификации, исследованный в этой работе, сравнивается с алгоритмом разделяющей классификации.
BibTeX:
@article{Goncharov2015MetricClassification,
  author = {Гончаров, А. В. and Попова, М. С. and Стрижов, В. В.},
  title = {Метрическая классификация временных рядов с выравниванием относительно центроидов классов},
  journal = {Системы и средства информатики},
  year = {2015},
  volume = {25(4)},
  pages = {52-64},
  url = {http://strijov.com/papers/Goncharov2015MetricClassification.pdf}
}
Катруца А., Стрижов В. Проблема мультиколлинеарности при выборе признаков в регрессионных задачах // Информационные технологии, 2015, 1 : 8-18. Article
Abstract: В данной работе исследуется проблема мультиколлинеарности и её влияние на эффективность методов выбора признаков. Предлагается процедура тестирования методов выбора признаков и методика порождения тестовых выборок с различными типами мультиколлинеарности между признаками. Рассматриваемые методы выбора признаков тестируются на порождённых выборках. Процедура тестирования заключается в применении методов выбора признаков к выборкам с различным типом мультиколлинеарности и оценивании количества мультиколлинеарных признаков в множестве отобранных признаков. В работе приводится критерий сравнения методов выбора признаков. Методы выбора признаков сравниваются согласно различным функционалам качества. Проведено сравнение методов выбора признаков для случая наличия в данных определённого типа мультиколлинеарности. Сделан вывод о качестве работы рассматриваемых методов на определённых типах данных.
BibTeX:
@article{Katrutsa2014TestGeneration,
  author = {А.М. Катруца and В.В. Стрижов},
  title = {Проблема мультиколлинеарности при выборе признаков в регрессионных задачах},
  journal = {Информационные технологии},
  year = {2015},
  volume = {1},
  pages = {8-18},
  url = {http://strijov.com/papers/Katrutsa2014TestGeneration.pdf}
}
Попова М.С., Стрижов В.В. Выбор оптимальной модели классификации физической активности по измерениям акселерометра // Информатика и ее применения, 2015, 9(1) : 76-86. Article
Abstract: В данной работе решается проблема построения оптимальных устойчивых моделей в задаче классификации физической активности человека. Каждый тип физической активности конкретного человека описывается набором признаков, сгенерированных по временным рядам с акселерометра. В условиях мультиколлинеарности признаков выбор устойчивых моделей классификации затруднен из-за необходимости оценки большого числа параметров этих моделей. Оценка оптимального значения параметров также затруднена в связи с тем, что функция ошибок имеет большое количество локальных минимумов в пространстве параметров. В работе исследуются модели, принадлежащие классу двуслойных нейронных сетей. Ставится задача нахождения Парето оптимального фронта на множестве допустимых моделей. Предлагаются критерии оптимального, последовательного и устойчивого прореживания нейронной сети, критерий наращивания сети, а также строится стратегия пошаговой модификации модели с использованием предложенных критериев. В вычислительном эксперименте модели, порождаемые предложенной стратегией, сравниваются по трем критериям качества -- сложность, точность и устойчивость.
BibTeX:
@article{Popova2014OptimalModelSelection,
  author = {М. С. Попова and В. В. Стрижов},
  title = {Выбор оптимальной модели классификации физической активности по измерениям акселерометра},
  journal = {Информатика и ее применения},
  year = {2015},
  volume = {9(1)},
  pages = {76-86},
  url = {http://strijov.com/papers/Popova2014OptimalModelSelection.pdf}
}
Попова М. С., Стрижов В.В. Построение сетей глубокого обучения для классификации временных рядов // Системы и средства информатики, 2015, 25(3) : 60-77. Article
Abstract: Данная работа посвящена решению задачи классификации временных рядов с использованием нейронных сетей глубокого обучения. В работе предлагается использовать многоуровневую суперпозицию моделей, принадлежащих следующим классам нейронных сетей: двухслойные нейронные сети, машины Больцмана и автокодировщики. Нижние уровни суперпозиции выделяют из зашумленных данных высокой размерности информативные признаки, а верхний уровень суперпозиции по этим признакам решает задачу классификации. Предложенная модель была протестирована на двух выборках временных рядов физической активности человека. Результаты классификации, полученные предлагаемой моделью в ходе вычислительного эксперимента, сравнивались с результатами, которые были получены на этих же данных в работах зарубежных авторов. Исследование показало возможность применения нейронных сетей глубокого обучения к решению прикладных задач классификации физической активности человека.
BibTeX:
@article{PopovaStrijov2015DeepLearning,
  author = {Попова, М. С., and Стрижов, В. В.},
  title = {Построение сетей глубокого обучения для классификации временных рядов},
  journal = {Системы и средства информатики},
  year = {2015},
  volume = {25(3)},
  pages = {60-77},
  url = {http://strijov.com/papers/PopovaStrijov2015DeepLearning.pdf}
}
Рудаков К.В., Сандуляну Л.Н., Токмакова А.А., Ямщиков И.С., Рейер И.А., Стрижов В.В. Определение движения объектов на земной поверхности методами SAR-интерферометрии // Компьютерные исследования и моделирование, 2015, 7(5) : 1047-1060. Article
Abstract: Для решения задачи определения движения инфраструктурных объектов на земной поверхности применяется метод SAR-интерферометрии. Этот метод основан на получении серии детальных спутниковых снимков одного и того же участка земной поверхности в разные моменты времени. Каждый спутниковый снимок содержит амплитудную и фазовую составляющую. Для определения движения используется изменение фазовой компоненты с течением времени. Предлагается метод выделения устойчивых отражателей на серии изображений и оценивания относительного сдвига объектов, соответствующих устойчивым отражателям.
BibTeX:
@article{Sanduleanu2016SAR,
  author = {Рудаков, К. В. and Сандуляну, Л. Н. and Токмакова, А. А. and Ямщиков, И. С. and Рейер, И. А. and Стрижов, В. В.},
  title = {Определение движения объектов на земной поверхности методами SAR-интерферометрии},
  journal = {Компьютерные исследования и моделирование},
  year = {2015},
  volume = {7(5)},
  pages = {1047-1060},
  url = {http://mce.su/files/CRM/CRM_2015_5.pdf},
  doi = {http://crm.ics.org.ru/journal/article/2370/}
}
Стенина М.М., Стрижов В.В. Согласование прогнозов при решении задач прогнозирования иерархических временных рядов // Информатика и ее применения, 2015, 9(2) : 77-89. Article
Abstract: Рассматривается задача одновременного прогнозирования набора временных рядов, объединенных в иерархическую многоуровневую структуру. Требуется, чтобы полученные прогнозы удовлетворяли физическим ограничениям и структуре иерархии. В статье предлагается алгоритм согласования прогнозов иерархических временных рядов GTOp (Game-theoretically optimal reconciliation), гарантирующий неухудшение качества прогнозов после проведения процедуры согласования по сравнению с качеством прогнозов, полученных для каждого временного ряда независимо. Подход базируется на поиске равновесия Нэша в антагонистической игре заданного вида и сводит задачу согласования прогнозов к задаче оптимизации с ограничениями типа равенства и неравенства. Доказывается, что при выполнении ряда общих предположений о свойствах структуры иерархии, физических ограничений и функции потерь в игре существует равновесие Нэша в чистых стратегиях. Работа алгоритма демонстрируется на разных типах иерархических структур с использованием данных посуточной загруженности железнодорожных узлов.
BibTeX:
@article{Stenina2014Reconciliation.pdf,
  author = {Стенина, М. М. and Стрижов, В. В.},
  title = {Согласование прогнозов при решении задач прогнозирования иерархических временных рядов},
  journal = {Информатика и ее применения},
  year = {2015},
  volume = {9(2)},
  pages = {77-89},
  url = {http://strijov.com/papers/Stenina2014Reconciliation.pdf},
  doi = {10.14357/19922264150209}
}

2014

Kuznetsov M.P., Strijov V.V. Methods of expert estimations concordance for integral quality estimation // Expert Systems with Applications, 2014, 41(4-2) : 1988-1996. Article
Abstract: The paper presents new methods of alternatives ranking using expert estimations and measured data. The methods use expert estimations of objects quality and criteria weights. This expert estimations are changed during the computation. The expert estimation are supposed to be measured in linear and ordinal scales. Each object is described by the set of linear, ordinal or nominal criteria. The constructed object estimations must not contradict both the measured criteria and the expert estimations. The paper presents methods of expert estimations concordance. The expert can correct result of this concordance.
BibTeX:
@article{KuznetsovStrijov2014MethodsExpert,
  author = {M. P. Kuznetsov and V. V. Strijov},
  title = {Methods of expert estimations concordance for integral quality estimation},
  journal = {Expert Systems with Applications},
  year = {2014},
  volume = {41(4-2)},
  pages = {1988-1996},
  url = {http://strijov.com/papers/Kuznetsov-Strijov2013Concordance.pdf}
}
Motrenko A., Strijov V., Weber G.-W. Bayesian sample size estimation for logistic regression // Journal of Computational and Applied Mathematics, 2014, 255 : 743-752. Article
Abstract: The problem of sample size estimation is important in the medical applications, especially in the cases of expensive measurements of immune biomarkers. The papers describes the problem of logistic regression analysis including model feature selection and includes the sample size determination algorithms, namely methods of univariate statistics, logistics regression, cross-validation and Bayesian inference. The authors, treating the regression model parameters as the multivariate variable, propose to estimate sample size using the distance between parameter distribution functions on cross-validated data sets.
BibTeX:
@article{Motrenko2013Bayesian,
  author = {Anastasiya Motrenko and Vadim Strijov and Gerhard-Wilhelm Weber},
  title = {Bayesian sample size estimation for logistic regression},
  journal = {Journal of Computational and Applied Mathematics},
  year = {2014},
  volume = {255},
  pages = {743-752},
  url = {http://strijov.com/papers/MotrenkoStrijovWeber2012SampleSize.pdf},
  doi = {10.1016/j.cam.2013.06.031}
}
Адуенко А.А., Стрижов В.В. Совместный выбор объектов и признаков в задачах многоклассовой классификации коллекции документов // Инфокоммуникационные технологии, 2014, 1 : 47-54. Article
Abstract: Работа посвящена задаче ранжирования поисковой выдачи. Для решения этой задачи предложен алгоритм многоклассовой классификации с совместным отбором объектов и признаков, а также его модификация для сравнения релевантности внутри одного класса. Отбор производится двумя способами: с помощью шаговой регрессии и с помощью генетических алгоритмов. Результаты, полученные разными методами, сравниваются. Алгоритм тестируется на синтетических данных и данных поисковой выдачи Яндекса.
BibTeX:
@article{Aduenko2013Multiclass,
  author = {А. А. Адуенко and В. В. Стрижов},
  title = {Совместный выбор объектов и признаков в задачах многоклассовой классификации коллекции документов},
  journal = {Инфокоммуникационные технологии},
  year = {2014},
  volume = {1},
  pages = {47-54},
  url = {http://strijov.com/papers/Aduenko2013Multiclass.pdf},
  doi = {http://ikt.psuti.ru/archive/a:37/r:866/}
}
Варфоломеева А.А., Стрижов В.В. Алгоритм разметки библиографических списков методами структурного обучения // Информационные технологии, 2014, 7 : 11-15. Article
Abstract: В предлагаемой работе решается прикладная задача сегментации структурированных текстов: для каждого сегмента библиографической записи определяется его тип поля в формате BibTeX. Также для каждой записи определяется тип ее библиографического описания. Такая задача возникает в связи с наличием различных стандартов составления библиографических записей: требуется предложить алгоритм определения типов полей библиографических записей, не зависящий от конкретного стандарта их составления.Для решения задачи определения типа поля в работе предложен метод составления матриц «объектов» и матриц «ответов» – примеров правильной сегментации. В работе предлагается алгоритм разметки библиографических списков методом структурной регрессии, при этом решается задача выбора параметров регрессионной модели. По результатам сегментирования полей записи с помощью кластеризации определяется тип ее библиорафического описания. Качество полученной модели исследуется на наборе неформатированных библиографических списков. В работе показано, что предлагаемый алгоритм имеет хорошее качество сегментации и кластеризации при наличии достаточной обучающей выборки.
BibTeX:
@article{VarfolomeevaStrijov2013FeatureSelection,
  author = {А. А. Варфоломеева and В. В. Стрижов},
  title = {Алгоритм разметки библиографических списков методами структурного обучения},
  journal = {Информационные технологии},
  year = {2014},
  volume = {7},
  pages = {11-15},
  url = {http://strijov.com/papers/Varfolomeeva2013StrcLearning.pdf}
}
Кузьмин А.А., Адуенко А.А., Стрижов В.В. Тематическая классификация тезисов крупной конференции с использованием экспертной модели // Информационные технологии, 2014, 6 : 22-26. Article
Abstract: В работе рассматривается задача тематической верификации тезисов докладов научной конференции. При планировании программы конференции тезисы объединяются в сессии, несколько сессий объединяются в научное направление, а несколько направлений – в область. Такая иерархическая структура называется тематической моделью конференции. На крупные конференции подается несколько тысяч тезисов, а тематическая модель имеет многоуровневую структуру. Программный комитет ежегодно строит тематическую модель конференции. В связи с большим числом экспертов – членов программного комитета, возникает задача проверки целостности построенной экспертной тематической модели. Данная работа посвящена выявлению несоответствий в тематических моделях методами текстовой кластеризации. Рассматривается коллекция тезисов конференции с экспертной тематической моделью. Предполагается, что терминологический состав тезиса определяет его тему и положение в тематической модели. Предлагается функция сходства двух тезисов. Задается функционал качества тематической модели, зависящий от внутрикластерного и межкластерного сходства тезисов. Предлагается быстрый метод неметрической иерархической кластеризации, максимизирующий предложенный функционал качества. Для построения алгоритмической тематической модели вводится параметр значимости экспертной модели. Он определяет значение улучшения функционала качества, при котором структура модели будет изменена. Этот параметр регулирует количество выявляемых тематических противоречий. Алгоритм построения тематической модели проиллюстрирован кластеризацией коллекции тезисов конференции EURO 2013.
BibTeX:
@article{Kuzmin2014Thematic,
  author = {А. А. Кузьмин and А. А. Адуенко and В. В. Стрижов},
  title = {Тематическая классификация тезисов крупной конференции с использованием экспертной модели},
  journal = {Информационные технологии},
  year = {2014},
  volume = {6},
  pages = {22-26},
  url = {http://strijov.com/papers/Kuzmin2014Thematic.pdf}
}
Мотренко А.П., Стрижов В.В. Построение агрегированных прогнозов объемов железнодорожных грузоперевозок c использованием расстояния Кульбака-Лейблера // Информатика и ее применения, 2014, 8(2) : 86-97. Article
Abstract: Данное исследование посвящено проблеме построения агрегированных прогнозов объемов железнодорожных грузоперевозок. Для получения агрегированных прогнозов требуется кластеризовать временные ряды таким образом, чтобы распределение временных рядов внутри кластера совпадали. При решении задачи кластеризации требуется оценить близость между временными рядами, исходя из их эмпирических распределений. Вводится критерий принадлежности временных рядов одному распределению, основанный на расстоянии Кульбака-Лейблера между гистограммами временных рядов. Приводится теоретическое и практическое исследование предложенного критерия. Решается задача кластеризации временных рядов на основе матрицы парных расстояний между ними.
BibTeX:
@article{Motrenko2014KullbackLeibler,
  author = {Мотренко, Анастасия Петровна AND Стрижов, Вадим Викторович},
  title = {Построение агрегированных прогнозов объемов железнодорожных грузоперевозок c использованием расстояния Кульбака-Лейблера},
  journal = {Информатика и ее применения},
  year = {2014},
  volume = {8(2)},
  pages = {86-97},
  url = {http://strijov.com/papers/MotrenkoStrijov2014KL.pdf}
}
Стенина М., Стрижов В. Согласование агрегированных и детализированных прогнозов при решении задач непараметрического прогнозирования // Системы и средства информатики, 2014, 24(2) : 21-34. Article
Abstract: Во многих прикладных областях часто возникают задачи, связанные с прогнозированием большого числа временных рядов, образующих иерархическую структуру. К прогнозам таких рядов как правило предъявляется требование согласованности прогнозов по уровням иерархии. В статье предлагается алгоритм согласования прогнозов иерархических временных рядов, основанный на решении задачи оптимизации с ограничениями. Предлагаемый алгоритм позволяет проводить согласование прогнозов в случае неплоской иерархической структуры, а также учитывать физические ограничения на прогнозируемые величины, такие как неотрицательность или максимальное значение. Работа алгоритма демонстрируется на данных посуточной загруженности железнодорожных узлов в Омской области, качество прогнозов сравнивается с качеством прогнозов алгоритма оптимального согласования. Также демонстрируется работа предлагаемого алгоритма при неплоской иерархической структуре временных рядов.
BibTeX:
@article{Stenina2014RailRoadsMatching,
  author = {Стенина, М.М. and Стрижов, В.В.},
  title = {Согласование агрегированных и детализированных прогнозов при решении задач непараметрического прогнозирования},
  journal = {Системы и средства информатики},
  year = {2014},
  volume = {24(2)},
  pages = {21-34},
  url = {http://strijov.com/papers/Stenina2014RailRoadsMatching.pdf},
  doi = {10.14357/08696527140202}
}
Aduenko A.A., Strijov V.V. Multimodelling and Object Selection for Banking Credit Scoring // Conference of the International Federation of Operational Research Societies, 2014 : 138. Inproceedings
Abstract: To construct a bank credit scoring model one must select a set of informative objects (client records) to get the unbiased estimation of the model parameters. This set must have no outliers. The authors propose an object selection algorithm for mixture of regression models. It is based on analysis of the covariance matrix for the parameters estimations. The computational experiment shows statistical significance of the classification quality improvement. The algorithm is illustrated with the cash loans and heart disease data sets.
BibTeX:
@inproceedings{Aduenko2014MultomodelingMulticollinear_IFORS,
  author = {Alexander A. Aduenko and Vadim V. Strijov},
  title = {Multimodelling and Object Selection for Banking Credit Scoring},
  booktitle = {Conference of the International Federation of Operational Research Societies},
  year = {2014},
  pages = {138},
  url = {http://strijov.com/papers/Aduenko2014MultiModel_IFORS.pdf}
}
Katrutsa A.M., Strijov V.V. Multicollinearity: Performance Analysis of Feature Selection Algorithms // Conference of the International Federation of Operational Research Societies, 2014 : 138. Inproceedings
Abstract: We investigate the multicollinearity problem and its influence on the performance of feature selection methods. The paper proposes the testing procedure for feature selection methods. We discuss the criteria for comparing feature selection methods according to their performance when the multicollinearity is present. Feature selection methods are compared according to the other evaluation measures. We propose the method of generating test data sets with different kinds of multicollinearity. Authors conclude about the performance of feature selection methods if the multicollinearity is present.
BibTeX:
@inproceedings{Katrutsa2014MultomodelingMulticollinear_IFORS,
  author = {Alexandr M. Katrutsa and Vadim V. Strijov},
  title = {Multicollinearity: Performance Analysis of Feature Selection Algorithms},
  booktitle = {Conference of the International Federation of Operational Research Societies},
  year = {2014},
  pages = {138},
  url = {http://strijov.com/papers/Katrutsa2014MultiCollinear_IFORS.pdf}
}
Kuzmin A.A., Aduenko A.A., Strijov V.V. Thematic Classification for EURO/IFORS Conference Using Expert Model // Conference of the International Federation of Operational Research Societies, 2014 : 175. Inproceedings
Abstract: The decision support system predicts the areas, streams and sessions for the abstracts of a major conference. Abstract collections from the previous EURO/IFORS (2010, 2012, 2013) conferences and their expert thematic models are considered. The terminological dictionary of the conference and the global thematic model of these collections are constructed. A similarity function between two abstracts is proposed. The non-metric hierarchical clustering algorithm which considers a constructed global thematic model is used to construct the thematic model of a new conference without an expert model.
BibTeX:
@inproceedings{Kuzmin2014Thematic_INFORS,
  author = {Arsentii A. Kuzmin and Alexander A. Aduenko and Vadim V. Strijov},
  title = {Thematic Classification for EURO/IFORS Conference Using Expert Model},
  booktitle = {Conference of the International Federation of Operational Research Societies},
  year = {2014},
  pages = {175},
  url = {http://strijov.com/papers/Kuzmin2014Thematic_INFORS.pdf}
}
Kuznetsov M.P., Strijov V.V. Partial Orders Combining for the Object Ranking Problem // Conference of the International Federation of Operational Research Societies, 2014 : 157. Inproceedings
Abstract: We propose a new method for the ordinal-scaled object ranking problem. The method is based on the combining of partial orders corresponding to the ordinal features. Every partial order is described with a positive cone in the object space. We construct the solution of the object ranking problem as the projection to a superposition of the cones. To restrict model complexity and prevent overfitting we reduce dimension of the superposition and select most informative features. The proposed method is illustrated with the problem of the IUCN Red List monotonic categorization.
BibTeX:
@inproceedings{Kuznetsov2014PartialOrders_IFORS,
  author = {Mikhail P. Kuznetsov and Vadim V. Strijov},
  title = {Partial Orders Combining for the Object Ranking Problem},
  booktitle = {Conference of the International Federation of Operational Research Societies},
  year = {2014},
  pages = {157},
  url = {http://strijov.com/papers/Kuznetsov2014PartialOrder_IFORS.pdf}
}
Matrosov M., Strijov V. Short-Term Forecasting of Musical Compositions Using Chord Sequences // Conference of the International Federation of Operational Research Societies, 2014 : 229. Inproceedings
Abstract: The objective is to predict a sequence of chords. It is treated as multivariate time series of discrete values. A chord is represented as an array of half-tone sounds within one octave. We utilize a classifier based on probability distributions over chord sequences that are estimated both on a big training set and some revealed part of the forecasted melody. It shows robust forecasting on a set of 50 000 midi files. The novelty is model selection algorithm and invariant representation of chords. The same technique can be used to predict or synthesize various types of discrete time series.
BibTeX:
@inproceedings{Matrosov2014Musical_IFORS,
  author = {Mikhail Matrosov and Vadim Strijov},
  title = {Short-Term Forecasting of Musical Compositions Using Chord Sequences},
  booktitle = {Conference of the International Federation of Operational Research Societies},
  year = {2014},
  pages = {229},
  url = {http://strijov.com/papers/Matrosov2014Musical_IFORS.pdf}
}
Strijov V.V., Kuznetsov M.P.K., Motrenko A.P. Structure learning and forecasting model generation // Conference of the International Federation of Operational Research Societies, 2014 : 101. Inproceedings
Abstract: The aim of the study is to suggest a method to forecast a structure of a regression model superposition, which approximates a data set in terms of some quality function. The problem: algorithms of model selection are computationally complex due to the large number of models. The solution: we developed a model structure forecasting algorithm based on previously selected models.
BibTeX:
@inproceedings{Strijov2014Structure_IFORS,
  author = {V. V. Strijov and M. P. Kuznetsov. Kuznetsov and A. P. Motrenko},
  title = {Structure learning and forecasting model generation},
  booktitle = {Conference of the International Federation of Operational Research Societies},
  year = {2014},
  pages = {101},
  url = {http://strijov.com/papers/Strijov2014StructLearning_IFORS.pdf}
}
Сологуб Р.А. Алгоритмы индуктивного порождения и трансформации моделей в задачах нелинейной регрессии (диссертация к.ф.-м.н., научный руководитель В.В. Стрижов). Вычислительный центр РАН, 2014. Phdthesis
Abstract: Данная работа направлена на решение проблемы автоматического создания и верификации количественных математических моделей. Модели предназначены для описания результатов измерений и прогнозирования экспериментов, составляющих неотъемлемую часть естественнонаучных исследований. В работе исследуется фундаментальная проблема автоматического порождения моделей для решения задач анализа данных. Порождаемые модели предназначены для аппроксимации, анализа и прогнозирования результатов измерений. При порождении учитываются требования, предъявляемые экспертами-специалистами в предметной области к порождаемым моделям. Это дает возможность получения экспертно-интерпретируемых моделей, адекватно описывающих результат измерения. Для создания адекватной модели измеряемых данных используются экспертно-заданные порождающие функции и набор правил порождения. Модель задается в виде суперпозиции порождающих функций. Правила порождения определяют допустимость суперпозиции и исключают порождение изоморфных моделей. В работе предлагается развить существующие методы автоматического порождения моделей. В частности, при порождении моделей предлагается учитывать экспертные требования к виду моделей, ранжируя модели в соответствии с экспертными предпочтениями. Предлагаются новые методы поиска изоморфных суперпозиций, основанные на поиске изоморфных подграфов и подстановке подграфов по правилам. Исследуются методы и алгоритмы порождения моделей, их свойства, сложность и устойчивость. В некоторых прикладных задачах моделирования оказывается, что сведения о структуре модели, в том числе экспертные оценки о виде искомых зависимостей являются недостаточными для применения методов, способных обеспечить необходимое качество модели. Недостаток числа независимых переменных для построения математических моделей делает применение методов порождения признаков и моделей перспективным для решения такого рода задач. Идея метода порождения признаков заключается в создании дополнительных независимых переменных, являющихся образами исходных переменных относительно последовательно примененных наборов отображений. Такие отображения в рамках работы будут называться порождающими функциями. Ранее работы, выполненные в рамках данного подхода, являлись в основном прикладными. Для различных задач экономики и промышленности на основе экспертного описания проблемы выбирались порождающие функции и порождались наборы новых признаков для построения модели. При этом исследователями не ставился ворос существования набора, полноты или корректности существующего алгоритма. В данной работе развивается теоретическое обоснование корректности и допустимости использования методов порождения суперпозиций для решения прикладных задач. Рассматриваются алгоритмы порождения суперпозиций, их сходимость, предлагаются различные методы оптимизации структуры моделей. Индуктивное порождение моделей с помощью методов группового учета аргумента рассматривается в работах Г.Н. Ивахненко. В линейной модели предлагается генерировать новые признаки с помощью операции произведения. С помощью полиномов Колмогорова-Габора алгоритм целенаправленно порождает и перебирает модели-претенденты различной сложности по ряду критериев. В результате находится модель оптимальной структуры в виде одного уравнения или системы уравнений. Важным этапом развития методов решения задач восстановления регрессии является ипользование нелинейной регрессии для решения прикладных задач. Данный подход широко описывается в работах Дж. Себера --- рассматривается построение и оценка параметров нелинейных моделей. Для оценки моделей используется алгоритм Левенберга-Марквадта. Для индуктивного порождения моделей в работых Дж. Козы и Н. Зелинки, связанных с генетическим программированием, используется символьная регрессия --- метод построения регрессионных моделей путем перебора различных произвольных суперпозиций функций из некоторого заданного набора. Индуктивное порождение моделей рассматривается в приложении к задаче определения оптимальной формы антенны. В работах В. В. Стрижова идеи индуктивного порождения регрессионных моделей находят свое развитие в применении методов двухуровневого Байесовского вывода к процесу порождения и настройки моделей. При анализе стркутуры моделей основным способом представления суперпозиций является граф-дерево. В свзяи с этим к суперпозициям применимы методы трансформации графов, позволяющие описать формально методы структурной опитимизации суперпозиций. Рассматривается категорное представление трансформаций на графах и условия применимости правил Для преобразования деревьев выделяются некоторые элементарные графы, для которых строятся оболочки изоморфных им графов более сложной структуры.
BibTeX:
@phdthesis{Sologub2014PhDThesis,
  author = {Сологуб, Р. А.},
  title = {Алгоритмы индуктивного порождения и трансформации моделей в задачах нелинейной регрессии (диссертация к.ф.-м.н., научный руководитель В.В. Стрижов)},
  school = {Вычислительный центр РАН},
  year = {2014},
  url = {http://strijov.com/papers/Sologub2014Disser-0018d.pdf}
}
Стрижов В.В. Порождение и выбор моделей в задачах регрессии и классификации. Вычислительный центр РАН, 2014. Phdthesis
Abstract: Диссертационная работа посвящена проблемам выбора моделей в задачах регрессионного анализа и классификации. Предлагается подход, согласно которому выбор производится из индуктивно-порождаемого множества моделей. Анализируется распределение параметров моделей. На основании этого анализа выбирается модель оптимальной сложности. Модель, описывающая исследуемое явление, может быть получена двумя путями: во-первых, методами математического моделирования, во-вторых, методами анализа данных и информационного моделирования. Первый тип моделей интерпретируем экспертами в контексте моделируемого явления [Краснощеков: 2000]. Второй тип моделей, не всегда интерпретируем, но более точно приближает данные [Bishop: 2006]. Совмещение достоинств обоих подходов, результатом которого является получение интерпретируемых и достаточно точных моделей, является актуальной задачей теоретической информатики. Центральным объектом исследования является проблема построения адекватных моделей регрессии и классификации при решении задач прогнозирования. Проблема заключается в отыскании моделей оптимальной сложности, которые описывают измеряемые данные с заданной точностью. Дополнительным ограничением является интерпретируемость моделей экспертами той предметной области, для решения задач которой создается модель. Цель исследования заключается в создании и обосновании методов выбора моделей из индуктивно порождаемого множества, а также в исследовании свойств алгоритмов выбора моделей. Задача выбора моделей из счетного последовательно порождаемого множества поставлена впервые. При постановке задачи использовался обширный материал о способах выбора моделей и выбора признаков из конечного множества, наработанный ранее в области машинного обучения. Эта задача является одной из центральных проблем машинного обучения и интеллектуального анализа данных. Основной задачей исследования является разработка методов последовательного порождения моделей и оценки ковариационных матриц параметров моделей с целью управления процедурой выбора моделей. Основной сложностью такой задачи является необходимость выбора из значительного числа регрессионных моделей, либо необходимость оценки параметров структурно сложной, так называемойуниверсальной модели. Взаимосвязь задачи порождения и задачи выбора регрессионных моделей была освещена в начале 1980-х годов А.Г. Ивахненко. Согласно предложенному им методу группового учета аргументов [Ивахненко: 1981, Madala: 1994], модель оптимальной структуры может быть найдена путем последовательного порождения линейных моделей, в которых компоненты являются мономами полинома Колмогорова-Габора от набора независимых переменных. Критерий оптимальности структуры модели задается с помощью скользящего контроля. В отличие от этого метода, метод символьной регрессии [Koza: 2005, Зелинка: 2008] рассматривает порождение произвольных нелинейных суперпозиций базовых функций. В последние годы тема анализа сложности моделей, получаемых с помощью этого метода, стала распространенным предметом исследований [Hazan: 2006, Владиславлева: 2009]. Первоначально принципы индуктивного порождения моделей были предложены в методе группового учета аргументов. Структура суперпозиций задавалась при этом внешними критериями качества модели. Впоследствии эти критерии были обоснованы в рамках гипотезы порождения данных с помощью связанного байесовского вывода. При последовательном порождении моделей необходимо оценивать информативность элементов суперпозиции. В рамках метода байесовской регрессии [Bishop: 2000] для этого предложено использовать функцию плотности распределения параметров модели. Эта функция является параметрической и ее параметры были названы гиперпараметрами [Bishop: 2006]. Было предложено использовать гиперпараметры моделей для оценки информативности элементов суперпозиции, что сделало анализ гиперпараметров одним из способов выбора моделей. Для модификации суперпозиций нелинейных моделей был предложен метод оптимального прореживания [LeCun: 1990]. Согласно этому методу, элемент суперпозиции можно отсечь как неинформативный, если значение выпуклости функции ошибки от параметров модели не превосходит относительный заданный порог. Задача выбора модели является одной из самых актуальных в регрессионном анализе. В современной зарубежной литературе для ее решения используется принцип минимальной длины описания. Он предлагает использовать для описания данных наиболее простую и одновременно наиболее точную модель [Grunwald: 2005]. Задача сравнения моделей детально разработана [MacKay: 1994--2003]. Как альтернатива информационным критериям [Burnham: 2002, Lehmann: 2005] был предложен метод двухуровневого байесовского вывода. На первом уровне вывода настраиваются параметры моделей. На втором уровне настраиваются их гиперпараметры. Согласно этому методу, вероятность выбора более сложной модели ниже вероятности выбора простой модели при сравнимом значении функции ошибки на регрессионных остатках. Принципы байесовского подхода для выбора линейных моделей регрессии и классификации предложены авторами [Celeux: 2006, Massart: 2008, Fleury: 2006]. В то же время, в упомянутых публикациях и подходах остается открытым ряд важных проблем, решение которых определяет актуальность представляемой диссертации. Поэтому представляется целесообразным создать и развить теорию порождения и выбора регрессионных моделей. Она заключается в следующем. Множество моделей заданного класса индуктивно порождается набором параметрических базовых функций, заданных экспертами. Каждая модель является допустимой суперпозицией таких функций. Интерпретируемость моделей обеспечена тем, что каждая из порождаемых моделей является суперпозицией базовых функций, заданных экспертами. Класс моделей задается правилами порождения суперпозиций. Точность моделей обеспечивается тем, что рассматривается достаточно большой набор моделей-претендентов, из которого выбирается оптимальная модель. Критерий оптимальности включает в себя понятия сложности и точности модели. При построении критерия учитывается гипотеза порождения данных - предположение о распределении регрессионных остатков. Одновременно с оценкой параметров вычисляются и гиперпараметры (параметры распределения параметров) модели. На основе гиперпараметров оценивается информативность элементов суперпозиции и оптимизируется её структура. Оптимальные модели выбираются согласно критерию, заданному гипотезой порождения данных. Таким образом, предложен новый подход к решению поставленной задачи. Множество моделей индуктивно порождается из набора базовых функций, заданных экспертами. Каждая модель является допустимой суперпозицией базовых функций. Одновременно с оценкой параметров моделей выполняется также и оценка гиперпараметров функции распределения параметров моделей. На основе этих параметров оценивается информативность элементов суперпозиции и принимается решение об оптимизации ее структуры. Оптимальные модели выбирается согласно критерию, заданному гипотезой порождения данных. В связи с вышеизложенным, решение крупной задачи теории распознавания, в рамках которой будут предложены новые способы порождения и выбора моделей регрессии и классификации, является актуальной темой.
BibTeX:
@phdthesis{Strijov2014DScThesis,
  author = {Стрижов, В. В.},
  title = {Порождение и выбор моделей в задачах регрессии и классификации},
  school = {Вычислительный центр РАН},
  year = {2014},
  url = {http://strijov.com/papers/Strijov2015ModelSelectionRu.pdf}
}

2013

Strijov V., Krymova E., Weber G.W. Evidence optimization for consequently generated models // Mathematical and Computer Modelling, 2013, 57(1-2) : 50-56. Article
Abstract: To construct an adequate regression model one has to fulfill the set of measured features with their generated derivatives. Often the number of these features exceeds the number of the samples in the data set. After a feature generation process the problem of feature selection from a set of highly correlated features arises. The proposed algorithm uses an evidence maximization procedure to select a model as a subset of generated features. During the selection process it rejects multicollinear features. A problem of European option volatility modeling illustrates the algorithm. Its performance is compared with the performances of similar well-known algorithms.
BibTeX:
@article{Strijov11Evidence,
  author = {Vadim Strijov and Ekaterina Krymova and Gerhard Wilhelm Weber},
  title = {Evidence optimization for consequently generated models},
  journal = {Mathematical and Computer Modelling},
  year = {2013},
  volume = {57(1-2)},
  pages = {50-56},
  url = {http://www.sciencedirect.com/science/article/pii/S0895717711001075},
  doi = {10.1016/j.mcm.2011.02.017}
}
Адуенко А.А., Стрижов В.В. Алгоритм оптимального расположения названий коллекции документов // Программная инженерия, 2013, 3 : 21-25. Article
Abstract: В работе исследуется метод визуализации результатов тематической кластеризации коллекции документов. Матрица парных расстояний между документами оптимальным способом спроецирована на плоскость. Требуется расположить названия документов оптимальным образом. Предложена такая функция потерь, которая позволяет расположить название тем на плоскости с минимальным перекрытием. Для ее минимизации использовался алгоритмBFGS . Алгоритм проиллюстрирован примером визуализации тезисов конференции.
BibTeX:
@article{Aduenko2013TextVisualizing,
  author = {А. А. Адуенко and В. В. Стрижов},
  title = {Алгоритм оптимального расположения названий коллекции документов},
  journal = {Программная инженерия},
  year = {2013},
  volume = {3},
  pages = {21-25},
  url = {http://strijov.com/papers/AduenkoStrijov2013TextVisualizing.pdf}
}
Будников Е.А., Стрижов В.В. Оценивание вероятностей появления строк в коллекции документов // Информационные технологии, 2013, 4 : 40-45. Article
Abstract: В работе рассматривается задача оценивания вероятностей появления строк в документах. Для решения задачи используется модель -грамм. Для решения проблемы большого числа параметров предлагается использовать модель -грамм на классах. Для решения проблемы нулевых вероятностей появления строк используется три дисконтные модели: Гуда-Тьюринга, Катца и абсолютного дисконтирования. Описывается проведённый эксперимент на синтетических данных. Предлагаемая модель проиллюстрирована вычислительным экспериментом на реальных данных.
BibTeX:
@article{BudnikovStrijov2013Estimation,
  author = {Е. А. Будников and В. В. Стрижов},
  title = {Оценивание вероятностей появления строк в коллекции документов},
  journal = {Информационные технологии},
  year = {2013},
  volume = {4},
  pages = {40-45},
  url = {http://strijov.com/papers/BudnikovStrijov2013Estimation.pdf}
}
Зайцев А.А., Стрижов В.В., Токмакова А.А. Оценка гиперпараметров регрессионных моделей методом максимального правдоподобия // Информационные технологии, 2013, 2 : 11-15. Article
Abstract: Рассматривается задача выбора регрессионной модели. Предполагается, что вектор параметров модели ? многомерная случайная величина с независимо распределёнными компонентами. В работе предложен способ оптимизации праметров и гиперпараметров. Приведены явные оценки гиперпараметров для случая линейных и нелинейных моделей. Показано как полученные оценки используются для отбора признаков. Предложенный подход сравнивается с подходом, использующим для лценки гиперпараметров аппроксимацию Лапласа
BibTeX:
@article{Zaitsev2012Estimation,
  author = {А. А. Зайцев and В. В. Стрижов and А. А. Токмакова},
  title = {Оценка гиперпараметров регрессионных моделей методом максимального правдоподобия},
  journal = {Информационные технологии},
  year = {2013},
  volume = {2},
  pages = {11-15},
  url = {http://strijov.com/papers/ZaytsevStrijovTokmakova2012Likelihood_Preprint.pdf}
}
Иванова А.В., Адуенко А.А., Стрижов В.В. Алгоритм построения логических правил при разметке текстов // Программная инженерия, 2013, 6 : 41-48. Article
Abstract: В работе предложен метод восстановления структуры библиографических записей BibTeX по их текстовому представлению. Структура восстанавливается с помощью логических правил, определенных на экспертно-заданном множестве регулярных выражений. Для построения набора логических правил предложен алгоритм, использзующий тупиковые покрытия. Предложенный алгоритм проиллюстрирован задачей поиска структуры библиографических записей, представленных набором текстовых строк.
BibTeX:
@article{IvanovaAduenkoStrijov2013TextMarkUp,
  author = {Иванова, А. В. and Адуенко, А. А. and Стрижов, В. В.},
  title = {Алгоритм построения логических правил при разметке текстов},
  journal = {Программная инженерия},
  year = {2013},
  volume = {6},
  pages = {41-48},
  url = {http://strijov.com/papers/Ivanova2012LogicStructureCor.pdf}
}
Кузьмин А.А., Стрижов В.В. Проверка адекватности тематических моделей коллекции документов // Программная инженерия, 2013, 4 : 16-20. Article
Abstract: Рассматривается коллекция документов с экспертной тематической моделью. Для проверки адекватности экспертной модели предлагается построить алгоритмическую модель путем иерархической кластеризации коллекции текстов агломеративным и дивизимным способами. Определяется степень несоответствия экспертной модели и предлагаемой. В работе сравнивается качество моделей, полученных с помощью агломеративного и дивизимного алгоритмов. Визуализируются отличия полученной модели от экспертной.
BibTeX:
@article{Kuzmin2013ThematicClustering,
  author = {А. А. Кузьмин and В. В. Стрижов},
  title = {Проверка адекватности тематических моделей коллекции документов},
  journal = {Программная инженерия},
  year = {2013},
  volume = {4},
  pages = {16-20},
  url = {http://strijov.com/papers/Kuzmin2013ThematicClustering.pdf}
}
Медведникова М.М., Стрижов В.В. Построение интегрального индикатора качества научных публикаций методами ко-кластеризации // Известия Тульского государственного университета, Естественные науки, 2013, 1 : 154-165. Article
Abstract: Предлагается способ измерения качества научных публикаций автора, связанный с качеством журнала, в котором автор печатает свою работу. Рассматриваемый совместный интегральный индикатор вычисляется по спискам публикаций за последние годы, находящимся в открытом доступе, с использованием алгоритма коллаборативной фильтрации. В качестве функционала качества используется функция близости интегральных индикаторов авторов и журналов, в которых они публикуют свои работы. Также оценивается интегрированность авторов и изданий в мировую науку.
BibTeX:
@article{Medvednikova2013CoIndicator,
  author = {М. М. Медведникова and В. В. Стрижов},
  title = {Построение интегрального индикатора качества научных публикаций методами ко-кластеризации},
  journal = {Известия Тульского государственного университета, Естественные науки},
  year = {2013},
  volume = {1},
  pages = {154-165},
  url = {http://strijov.com/papers/Medvednikova2012CoIndicator.pdf}
}
Рудой Г.И., Стрижов В.В. Алгоритмы индуктивного порождения суперпозиций для аппроксимации измеряемых данных // Информатика и её применения, 2013, 7(1) : 17-26. Article
Abstract: В работе исследуется алгоритм индуктивного порождения допустимых существенно нелинейных моделей. Предлагается алгоритм, порождающий все возможные суперпозиции заданной сложности за конечное число шагов, и приводится его теоретическое обоснование. Приводятся результаты вычислительного эксперимента по выбору оптимальной модели, аппроксимирующей синтетический набор данных.
BibTeX:
@article{Rudoy2013Generation,
  author = {Г. И. Рудой and В. В. Стрижов},
  title = {Алгоритмы индуктивного порождения суперпозиций для аппроксимации измеряемых данных},
  journal = {Информатика и её применения},
  year = {2013},
  volume = {7(1)},
  pages = {17-26},
  url = {http://strijov.com/papers/Rudoy2012Generation_Preprint.pdf}
}
Стрижов В.В. Функция ошибки в задачах восстановления регрессии // Заводская лаборатория. Диагностика материалов, 2013, 79(5) : 65-73. Article
Abstract: В работе описаны методы назначения функции ошибки при постановке задач регрессионного анализа. Рассматриваются различные гипотезы распределения зависимой переменной, задающие вид функции ошибки согласно байесовскому выводу. Для нормального распределения показана функция ошибки общего вида для различных предположений о статистической связи между элементами зависимой переменной. Также приведены примеры функций ошибок, используемых в прикладных задачах восстановления регрессии.
BibTeX:
@article{Strijov2012ErrorFn,
  author = {В. В. Стрижов},
  title = {Функция ошибки в задачах восстановления регрессии},
  journal = {Заводская лаборатория. Диагностика материалов},
  year = {2013},
  volume = {79(5)},
  pages = {65-73},
  url = {http://strijov.com/papers/Strijov2012ErrorFn.pdf}
}
Цыганова C.B., Стрижов В.В. Построение иерархических тематических моделей коллекции документов // Прикладная информатика, 2013, 1 : 109-115. Article
Abstract: Данная работа посвящена выявлению тематик коллекции текстов и их иерархической структуры. Поставлена задача построения иерархической тематической модели коллекции документов. Для решения поставленной задачи предлагается использование вероятностных тематических моделей. Особое внимание уделяется иерархическим тематическим моделям и, в частности, обсуждению свойств алгоритмов PLSA и LDA. Особенность построения иерархической модели заключается в переходе от понятия «мешка слов» к «мешку документов» в реализации плоских алгоритмов кластеризации. Работа алгоритмов иллюстрируется на текстах тезисов конференции EURO-2012 и на синтетических данных.
BibTeX:
@article{TsyganovaStrijov2013Hierarchical,
  author = {Цыганова, C. B. and Стрижов, В. В.},
  title = {Построение иерархических тематических моделей коллекции документов},
  journal = {Прикладная информатика},
  year = {2013},
  volume = {1},
  pages = {109-115},
  url = {http://strijov.com/papers/Tsyganova2013TopicHierarchy.pdf}
}
Aduenko A.A., Kuzmin A.A., Strijov V.V. Hierarchical thematic model visualizing algorithm // 26th European Conference on Operational Research, 2013 : 155. Inproceedings
Abstract: The talk is devoted to the problem of the thematic hierarchical model construction. One must to construct a hierarchcal model of a scientific conference abstracts, to check the adequacy of the expert models and to visualize hierarchical differences between the algorithmic and expert models. An algorithms of hierarchical thematic model constructing is developed. It uses the notion of terminology similarity to construct the model. The obtained model is visualized as the plane graph.
BibTeX:
@inproceedings{KuzminStrijov2013VisualizingEURO,
  author = {Aduenko, A. A. and Kuzmin, A. A. and Strijov, V. V.},
  title = {Hierarchical thematic model visualizing algorithm},
  booktitle = {26th European Conference on Operational Research},
  year = {2013},
  pages = {155},
  url = {http://euro2013.org/wp-content/uploads/program-euro26.pdf}
}
Kuznetsov M.P., Strijov V.V. The IUCN Red List threatened speices categorization algorithm // 26th European Conference on Operational Research, 2013 : 352. Inproceedings
Abstract: The main purpose of the IUCN Red List is to categorize those plants and animals that are facing a high risk of extinction. Species are classified by the IUCN Red List into nine groups ordered by the the relative risk of extinction in the wild nature. Each species is described with the rank-scaled features given by the experts. The problem is to associate each species with one of the groups according to the data given by the experts. We consider the rank-scaled features as the cones in the space of objects and construct the solution as the nearest point to the superposition of this cones.
BibTeX:
@inproceedings{KuznetsovStrijov2013RedListEURO,
  author = {Kuznetsov, M. P. and Strijov, V. V.},
  title = {The IUCN Red List threatened speices categorization algorithm},
  booktitle = {26th European Conference on Operational Research},
  year = {2013},
  pages = {352},
  url = {http://euro2013.org/wp-content/uploads/program-euro26.pdf}
}
Strijov V.V. Credit Scorecard Development: Model Generation and Multimodel Selection // 26th European Conference on Operational Research, 2013 : 220. Inproceedings
Abstract: The talk is devoted to the automatic model generation for application scoring. According to the bank requirements a scorecard consists of a combination of the logistic regression models. We will discuss the following problems: First, how many models we must generate? Second, which model from the generated model set should be used to compute the probability of default for a newcomer client? Third, what features must be selected for the models? These problems must be resolved to develop a precise, stable and simple scorecard.
BibTeX:
@inproceedings{Strijov2013ScorecardEURO,
  author = {Strijov, V. V.},
  title = {Credit Scorecard Development: Model Generation and Multimodel Selection},
  booktitle = {26th European Conference on Operational Research},
  year = {2013},
  pages = {220},
  url = {http://euro2013.org/wp-content/uploads/program-euro26.pdf}
}

2012

Адуенко А.А., Кузьмин А.А., Стрижов В.В. Выбор признаков и оптимизация метрики при кластеризации коллекции документов // Известия Тульского государственного университета, Естественные науки, 2012, 3 : 119-131. Article
Abstract: Исследуется проблема верификации корректности тематической классификации документов с помощью метрического алгоритма. Предложен алгоритм выбора оптимальной функции расстояния между документами. Исследуется соответствие между полученной кластеризацией документов и их экспертной классификацией. Результаты кластеризации и их соответствие экспертной тематической классификации проиллюстрированы вычислительным экспериментом на реальной коллекции документов.
BibTeX:
@article{AduenkoKuzminStrijov2013Selection,
  author = {А. А. Адуенко and А. А. Кузьмин and В. В. Стрижов},
  title = {Выбор признаков и оптимизация метрики при кластеризации коллекции документов},
  journal = {Известия Тульского государственного университета, Естественные науки},
  year = {2012},
  volume = {3},
  pages = {119-131},
  url = {http://strijov.com/papers/KuzminAduenkoStrijov2012Clustering.pdf}
}
Кузнецов М., Стрижов В., Медведникова М.М. Алгоритм многоклассовой классификации объектов, описанных в ранговых шкалах // Научно-технический вестник С.-Пб.ПГУ. Информатика. Телекоммуникации. Управление, 2012, 5 : 92-95. Article
Abstract: Предложен метод построения рангового интегрального индикатора на основе ранговой матрицы описаний, заданной экспертами. Предложен трехшаговый итеративный алгоритм оценки параметров и весов признаков. Рассмотрена задача выбора наиболее информативных признаков. Работа проиллюстрирована задачей определения статуса редких видов, включенных в Красную книгу РФ. The authors propose a method of an integral indicator construction based on the rank-scaled description matrix given by an expert. The authors propose three-step iterative algorithm to estimate correction parameters and features weights. The feature selection problem is investigated. The method illustrated with the problem of classification of the Red Book of Russian Federation rare species statuses. multiclass classification, ordinal scales, curvilinear regression, feature selection.
BibTeX:
@article{Kuznetsov2012RankScales,
  author = {М.П. Кузнецов and В.В. Стрижов and М. М. Медведникова},
  title = {Алгоритм многоклассовой классификации объектов, описанных в ранговых шкалах},
  journal = {Научно-технический вестник С.-Пб.ПГУ. Информатика. Телекоммуникации. Управление},
  year = {2012},
  volume = {5},
  pages = {92-95},
  url = {http://strijov.com/papers/Kuznetsov2012Curvilinear.pdf}
}
Медведникова М.М., Стрижов В.В., Кузнецов М.П. Алгоритм многоклассовой монотонной Парето-классификации с выбором признаков // Известия Тульского государственного университета, Естественные науки, 2012, 3 : 132-141. Article
Abstract: Предложен метод нахождения монотонной функции, определенной на декартовом произведении множеств, на которых заданы отношения линейного порядка. В основе метода лежат процедуры монотонизации функции дискретного аргумента и нахождения Парето-оптимального фронта. Рассмотрена задача выбора наиболее информативных признаков. Работа проиллюстрирована задачей прогнозирования статуса редких видов, включенных в Красную книгу РФ.
BibTeX:
@article{Medvednikova2012RankScales,
  author = {М. М. Медведникова and В. В. Стрижов and М. П. Кузнецов},
  title = {Алгоритм многоклассовой монотонной Парето-классификации с выбором признаков},
  journal = {Известия Тульского государственного университета, Естественные науки},
  year = {2012},
  volume = {3},
  pages = {132-141},
  url = {http://strijov.com/papers/Medvednikova2012RankScales.pdf}
}
Мотренко А.П., Стрижов В.В. Многоклассовая логистическая регрессия для прогноза вероятности наступления инфаркта // Известия Тульского государственного университета, Естественные науки, 2012, 1 : 153-162. Article
Abstract: В работе описан алгоритм классификации четырех групп пациентов: перенесших инфаркт, имеющих предрасположенность к инфаркту и здоровых пациентов двух типов. Признаками для определения состояния пациента служат измерения концентрации белков в крови. Работа посвящена прогнозу вероятности принадлежности пациента к одному из нескольких неупорядоченных классов. Решается задача оценки параметров функции регрессии и выбора признаков при многоклассовой классификации. Классификация выполняется по всевозможным парам групп.
BibTeX:
@article{Motrenko2012CVD,
  author = {А. П. Мотренко and В. В. Стрижов},
  title = {Многоклассовая логистическая регрессия для прогноза вероятности наступления инфаркта},
  journal = {Известия Тульского государственного университета, Естественные науки},
  year = {2012},
  volume = {1},
  pages = {153-162},
  url = {http://strijov.com/papers/MotrenkoStrijov2012HAPrediction.pdf}
}
Сандуляну Л.Н., Стрижов В.В. Выбор признаков в авторегрессионных задачах прогнозирования // Информационные технологии, 2012, 7 : 11-15. Article
Abstract: Исследуется проблема выбора модели оптимальной сложноcти при авторегрессионном прогнозировании. Задача состоит в отыскании наименне обусловленного набора признаков, доставляющего при этом заданное значение функции ошибки. Для выбора этого набора используется модифицированный алгоритм последовательного добавления и удаления признаков. В работе предложен метод поиска оптимальной модели прогнозирования временных рядов. В вычислительном эксперименте приведено сравнение прогнозов рядов почасовых цен на электроэнергию.
BibTeX:
@article{Sanduleanu2012FeatureSelection_IT,
  author = {Л. Н. Сандуляну and В. В. Стрижов},
  title = {Выбор признаков в авторегрессионных задачах прогнозирования},
  journal = {Информационные технологии},
  year = {2012},
  volume = {7},
  pages = {11-15},
  url = {http://strijov.com/papers/SanduleanuStrijov2011FeatureSelection_Preprint.pdf}
}
Стрижов В.В., Кузнецов М.П., Рудаков К.В. Метрическая кластеризация последовательностей аминокислотных остатков в ранговых шкалах // Математическая биология и биоинформатика, 2012, 7(1) : 345-359. Article
Abstract: Для решения задачи распознавания вторичной структуры белков предложен алгоритм кластеризации подпоследовательности аминокислотных остатков. Для выявления кластеров используются парные расстояния между подпоследовательностями. Отличительной особенностью алгоритма является то, что не требуется строить полную матрицу парных расстояний, что снижает сложность вычислений. При кластеризации рассматриваются только ранги расстояний между подпоследовательностями. Работа алгоритма проиллюстрирована синтетическими данными и данными из базы UniProt.
BibTeX:
@article{Strijov2012Clustering,
  author = {Стрижов, В. В. and Кузнецов, М. П. and Рудаков, К. В.},
  title = {Метрическая кластеризация последовательностей аминокислотных остатков в ранговых шкалах},
  journal = {Математическая биология и биоинформатика},
  year = {2012},
  volume = {7(1)},
  pages = {345-359},
  url = {http://strijov.com/papers/Strijov2012(7_345).pdf}
}
Токмакова А.А., Стрижов В.В. Оценивание гиперпараметров линейных и регрессионных моделей при отборе шумовых и коррелирующих признаков // Информатика и её применения, 2012, 6(4) : 66-75. Article
Abstract: В работе решается задача отбора признаков при восстановлении линейной регрессии. Принята гипотеза о нормальном распределении вектора зависимой переменной и параметров модели. Для оценки ковариационной матрицы параметров используется аппроксимация Лапласа: логарифм функции ошибки приближается функцией плотности нормального распределения. Исследуется проблема присутствия в выборке шумовых и коррелирующих признаков, так как при их наличии матрица ковариаций параметров модели становится вырожденной. Предлагается алгоритм, производящий отбор информативных признаков. В~вычислительном эксперименте приводятся результаты исследования на временном ряде.
BibTeX:
@article{Tokmakova2012Hyper,
  author = {А. А. Токмакова and В. В. Стрижов},
  title = {Оценивание гиперпараметров линейных и регрессионных моделей при отборе шумовых и коррелирующих признаков},
  journal = {Информатика и её применения},
  year = {2012},
  volume = {6(4)},
  pages = {66-75},
  url = {http://strijov.com/papers/Tokmakova2011HyperParJournal_Preprint.pdf}
}
Motrenko A., Strijov V., Weber G.-W. Bayesian sample size estimation for logistic regression // International Conference on Applied and Computational Mathematics, 2012 : 1-5. Inproceedings
Abstract: The paper is devoted to the logistic regression analysis, applied to classification problems in biomedicine. A group of patients is investigated as a sample set; each patient is described with a set of features, named as biomarkers and is classified into two classes. Since the patient measurement is expensive the problem is to reduce number of measured features in order to increase sample size. The responsive variable is assumed to follow a Bernoulli distribution. Also, parameters of the regression function are evaluated. With given set of features, the model is excessively complex. The problem is to select a set of features of smaller size, that will classify patients effectively. In logistic regression features are usually selected by stepwise regression. In the computational experiment, exhaustive search is implemented. This makes the experts sure that all possible combinations of the features were considered. The authors use the area under ROC curve as the optimum criterion in the feature selection procedure.
BibTeX:
@inproceedings{Motrenko2012Bayesian,
  author = {Anastasiya Motrenko and Vadim Strijov and Gerhard-Wilhelm Weber},
  title = {Bayesian sample size estimation for logistic regression},
  booktitle = {International Conference on Applied and Computational Mathematics},
  year = {2012},
  pages = {1-5},
  url = {http://strijov.com/papers/MotrenkoStrijovWeber2012SampleSize_ICACM.pdf}
}
Strijov V. Sequental model selection in forecasting // 25th European Conference on Operational Research, 2012 : 176. Inproceedings
Abstract: To forecast financial time series one needs a set of models of optimal structure and complexity. The mixture model selection procedures are based on the coherent Bayesian inference. To estimate the model parameters and covariance matrix, Laplace approximations methods are introduced. Using the covariance matrix one could split up the data set to form mixture of models and select a model with minimum description length.
BibTeX:
@inproceedings{Strijov2012EURO,
  author = {Vadim Strijov},
  title = {Sequental model selection in forecasting},
  booktitle = {25th European Conference on Operational Research},
  year = {2012},
  pages = {176},
  url = {http://strijov.com/papers/Strijov2012EURO.pdf}
}
Кузнецов М.П., Стрижов В.В. Построение интегрального индикатора с использованием ранговой матрицы описаний // Интеллектуализация обработки информации. Доклады 9-й международной конференции, 2012 : 130-132. Inproceedings
Abstract: Описан способ построения интегральных индикаторов качества объектов с использованием экспертных оценок и измеряемых данных. Каждый объект описан набором признаков в ранговых шкалах. Используется экспертная оценка качества объектов, которая корректируется в процессе вычисления. Эта оценка выставлена в линейной шкале. Рассматривается задача получения таких интегральных индикаторов, которыене противоречили бы экспертной оценке. Для этого по матрице описаний строится множество значений интегрального индикатора. Интегральный индикатор определяется проекцией экспертной оценки на это множество.
BibTeX:
@inproceedings{Kuznetsov2012IOI,
  author = {Кузнецов, М. П. and Стрижов, В. В.},
  title = {Построение интегрального индикатора с использованием ранговой матрицы описаний},
  booktitle = {Интеллектуализация обработки информации. Доклады 9-й международной конференции},
  year = {2012},
  pages = {130--132},
  url = {http://strijov.com/papers/Kuznetsov2012IOI.pdf}
}
Рудой Г.И., Стрижов В.В. Упрощение суперпозиций элементарных функций при помощи преобразований графов по правилам // Интеллектуализация обработки информации. Доклады 9-й международной конференции, 2012 : 140-143. Inproceedings
Abstract: Предлагается алгоритм упрощения суперпозиций существенно нелинейных регрессионных моделей. Данный алгоритм является усовершенствованием ранее предложенных методов упрощения выражений по правилам. Суперпозиции представляются в виде направленного ациклического графа с объединением общих поддеревьев. Такое представление позволяет существенно расширить класс допустимых преобразований суперпозиций. Приводятся результаты вычислительного эксперимента для набора синтетических данных.
BibTeX:
@inproceedings{Rudoy2012IOI,
  author = {Г. И. Рудой and В. В. Стрижов},
  title = {Упрощение суперпозиций элементарных функций при помощи преобразований графов по правилам},
  booktitle = {Интеллектуализация обработки информации. Доклады 9-й международной конференции},
  year = {2012},
  pages = {140--143},
  url = {http://strijov.com/papers/Rudoy2012IOI.pdf}
}
Токмакова А.А., Стрижов В.В. Оценка гиперпараметров линейных регрессионных моделей при отборе шумовых и мультикоррелирующих признаков // Интеллектуализация обработки информации. Доклады 9-й международной конференции, 2012 : 156-159. Inproceedings
Abstract: В работе решается задача отбора признаков при восстановлении линейной регрессии. Принята гипотеза о нормальном распределении вектора зависимой переменной и параметров модели. Для оценки ковариационной матрицы параметров используется аппроксимация Лапласа: логарифм функции ошибки приближается функцией нормального распределения. Исследуется проблема присутствия в выборке шумовых и мультикоррелирующих признаков, так как при их наличии матрица ковариаций параметров модели становится вырожденной. Предлагается алгоритм, производящий отбор информативных признаков. В вычислительном эксперименте приводятся результаты исследования на реальных данных.
BibTeX:
@inproceedings{Tokmakova2012IOI,
  author = {Токмакова, А. А. and Стрижов, В. В.},
  title = {Оценка гиперпараметров линейных регрессионных моделей при отборе шумовых и мультикоррелирующих признаков},
  booktitle = {Интеллектуализация обработки информации. Доклады 9-й международной конференции},
  year = {2012},
  pages = {156--159},
  url = {http://strijov.com/papers/Tokmakova2012IOI.pdf}
}

2011

Strijov V., Granic G., Juric J., Jelavic B., Maricic S.A. Integral indicator of ecological impact of the Croatian thermal power plants // Energy, 2011, 36(7) : 4144-4149. Article
Abstract: The main goal of this paper is to present the methodology of construction of the Integral Indicator for the Croatian Thermal Power Plants and the Combined Heat and Power Plants. The Integral Indicator is intended to compare the Power Plants according to a certain criterion. The criterion of the ecological impact is chosen. The following features of the power plants are used: generated electricity and heat; consumed coal and liquid fuel; sulphur content in fuel; emitted CO2, SO2, NOx, and particles. The linear model is used to construct the Integral Indicator. The model parameters are defined by the Principal Component Analysis. The constructed Integral Indicator is compared with several others, such as Pareto-optimal slicing indicator and Metric indicator. The Integral Indicator keeps as much information about the waste measures of the power plants as possible; it is simple and robust.
BibTeX:
@article{strijov10integral_energy,
  author = {Vadim Strijov and Goran Granic and Jeljko Juric and Branka Jelavic and Sandra Antecevic Maricic},
  title = {Integral indicator of ecological impact of the Croatian thermal power plants},
  journal = {Energy},
  year = {2011},
  volume = {36},
  number = {7},
  pages = {4144-4149},
  url = {http://www.sciencedirect.com/science/article/pii/S0360544211002799},
  doi = {10.1016/j.energy.2011.04.030}
}
Крымова Е.A., Стрижов В.В. Алгоритмы выбора признаков линейных регрессионных моделей из конечного и счетного множеств // Заводская лаборатория. Диагностика материалов, 2011, 77(5) : 63-68. Article
Abstract: Предложен способ выбора признаков, основанный на последовательном порождении моделей наибольшей обоснованности. При отыскании линейной регрессионной модели используется счетное число порождаемых признаков. Результатом работы алгоритма является модель удовлетворительной точности; мультикоррелирующие признаки исключены. Работа алгоритмов выбора признаков проиллюстрирована задачей моделирования давления в двигателе внутреннего сгорания.
BibTeX:
@article{krymova11algorithmy_zldm,
  author = {Е. A. Крымова and В. В. Стрижов},
  title = {Алгоритмы выбора признаков линейных регрессионных моделей из конечного и счетного множеств},
  journal = {Заводская лаборатория. Диагностика материалов},
  year = {2011},
  volume = {77},
  number = {5},
  pages = {63-68},
  url = {http://zldm.ru/content/article.php?ID=1155}
}
Стрижов В.В. Уточнение экспертных оценок, выставленных в ранговых шкалах, с помощью измеряемых данных // Заводская лаборатория. Диагностика материалов, 2011, 77(7) : 72-78. Article
Abstract: Описан способ построения интегральных индикаторов качества объектов с использованием экспертных оценок и измеряемых данных. Используются экспертные оценки качества объектов и важности показателей, которые корректируются в процессе вычисления. Предполагается, что экспертные оценки выставлены в ранговых шкалах. Каждый объект описан набором признаков в линейных шкалах. Рассматривается задача получения таких интегральных индикаторов, которые бы не противоречили ни описаниям объектов, ни экспертным оценкам. Предложен алгоритм уточнения экспертных оценок. В корректировке оценок может принимать участие сам эксперт.
BibTeX:
@article{strijov11utochnenie_zldm,
  author = {В. В. Стрижов},
  title = {Уточнение экспертных оценок, выставленных в ранговых шкалах, с помощью измеряемых данных},
  journal = {Заводская лаборатория. Диагностика материалов},
  year = {2011},
  volume = {77},
  number = {7},
  pages = {72-78},
  url = {http://zldm.ru/content/article.php?ID=1186}
}
Стрижов В.В., Крымова Е.A. Выбор моделей в линейном регрессионном анализе // Информационные технологии, 2011, 10 : 21-26. Article
Abstract: При решении практических задач восстановления регрессии, для отыскания адекватной модели предлагается использовать порожденные признаки, полученные с помощью измеряемых исходных признаков. Это влечет существенное повышение размерности признакового пространства и, как следствие, необходимость использования алгоритмов выбора признаков. Ниже рассматриваются и сравниваются классические и новые алгоритмы выбора признаков. Работа алгоритмов проиллюстрирована прикладными задачами.
BibTeX:
@article{krymova11vybor_it,
  author = {В. В. Стрижов and Е. A. Крымова},
  title = {Выбор моделей в линейном регрессионном анализе},
  journal = {Информационные технологии},
  year = {2011},
  volume = {10},
  pages = {21-26},
  url = {http://novtex.ru/IT/it2011/number_10_annot.html#5}
}
Kuznetsov M., Strijov V. Integral Indicators and Expert estimations of Ecological Impact // International Conference on Operational Research, 2011 : 32. Inproceedings
Abstract: To compare objects or alternative decisions one must evaluate a quality of each object. A real-valued scalar, which is corresponded to the object, is called an integral indicator. The integral indicator of the object is a convolution of the object features. Expert estimations of one expert or an expert group could be indicators, too. We consider a problem of indicator construction as following. There is a set of objects, which should be compared according to a certain quality criterion. A set of features describes each object. This two sets are given together with an «object/feature» matrix of measured data. We select the linear model of the convolution: the integral indicator is the linear combination of features and their weights. So, to construct the integral indicator we must find the weights of the given features. To do that we use the expert estimates of both indicators and weights in rank scales. To compute indicators, according to the linear model, one can use the expert set of weights. In the general case the computed indicators do not match the expert estimations of indicators. Our goal is to match the estimated and the computed integral indicators by maximizing a rank correlation between them. We consider the set of the estimated indicators and the set of the estimated weights as two cones in spaces of indicators and weights, respectively. Our goal is to find the set of weights such that the distance between this set and the cone of the expert-given weights must be minimum. Using the found weights we compute the set of integral indicators such that the distance between this computed set and the cone of the expert-given integral indicators must be minimum, as well. This methodology is used for the Clean Development Mechanism project evaluation. The project partners have to prove that their project can yield emission reductions in developing countries, which could not be achieved in the project’s absence. The proposed integral indicators are intended to evaluate the environmental impact of this projects.
BibTeX:
@inproceedings{Kuznetsov2011Integral,
  author = {Michail Kuznetsov and Vadim Strijov},
  title = {Integral Indicators and Expert estimations of Ecological Impact},
  booktitle = {International Conference on Operational Research},
  year = {2011},
  pages = {32},
  url = {http://strijov.com/papers/Kuznetsov2011OR.pdf}
}
Strijov V. Invariants and model selection in forecasting // International Conference on Operational Research, 2011 : 133. Inproceedings
Abstract: Time series in the financial sector may include annual, weekly and daily periodicals as well as non-periodical events. The energy price and consumed volume time series; the time series of consumer sales volume could be the examples. The generalized linear autoregressive models are used to forecast these time series. The samples of the main time-period of the time series correspond to the features of the forecasting models. To boost the quality of the forecast, two problems must be solved. First, we must select a set of features, which forms the model of optimal quality. Second, we must split the time series on the periodical and eventual segments and assign a model of optimal quality of each type of segments. To solve these problems, we estimate the distribution of the model parameters using coherent Bayesian inference. The optimal model for a given time-segment has the most probable value of maximum evidence, which is estimated under conditions of the stepwise regression: the features are added and deleted from the active feature set towards the evidence maximizing. The splitting procedure includes analysis of the model parameters distributions. Consider two forecasting models that are defined on their non-intersecting consequent time-segments. These models are different if the Kullback-Leibler distance between the distributions of their parameters is statistically significant. In this case the time-segment split is fixed; otherwise we consider the models equal and join the time-segments. The proposed approach brings the most precise time-segment splitting than the dynamic time warping procedure and causes increase of the forecasting quality. As an illustration we discuss the automatic detection of seasonal sales and promotions of consumer goods.
BibTeX:
@inproceedings{Strijov2011Invariants_OR,
  author = {Vadim Strijov},
  title = {Invariants and model selection in forecasting},
  booktitle = {International Conference on Operational Research},
  year = {2011},
  pages = {133},
  url = {http://strijov.com/papers/Strijov2011OR.pdf}
}
Кузнецов М.П., Стрижов В.В. Уточнение ранговых экспертных оценок с использованием монотонной интерполяции // Всероссийская конференция "Математические методы распознавания образов". Сборник докладов, 2011 : 162-165. Inproceedings
Abstract: Описан способ построения интегральных индикаторов качества объектов с использованием экспертных оценок и измеряемых данных. Каждый объект описан набором признаков в линейных шкалах. Используются экспертные оценки качества объектов и важности признаков, которые корректируются в процессе вычисления. Предполагается, что оценки выставлены в ранговых шкалах. Рассматривается задача получения таких интегральных индикаторов, которые не противоречили бы экспертным оценкам. Предложено два подхода к уточнению экспертных оценок. При первом подходе вектор экспертных оценок рассматривается как выпуклый многогранный конус. Для уточнения экспертных оценок минимизируется расстояние между векторами в конусах. При втором подходе используется задача монотонной интерполяции с гиперпараметром. Проведен вычислительный эксперимент на следующих данных: экспертами оценивался фактор экологического воздействия на окружающую среду хорватских электростанций. Проведена процедура уточнения экспертных оценок.
BibTeX:
@inproceedings{Kuznetsov-Strijov2011Oblique_mmro,
  author = {Кузнецов, М. П. and Стрижов, В. В.},
  title = {Уточнение ранговых экспертных оценок с использованием монотонной интерполяции},
  booktitle = {Всероссийская конференция "Математические методы распознавания образов". Сборник докладов},
  year = {2011},
  pages = {162-165},
  url = {http://strijov.com/papers/Kuznetsov2011mmro15.pdf}
}
Павлов К.В., Стрижов В.В. Выбор многоуровневых моделей в задачах банковскового кредитного скоринга // Всероссийская конференция <<Математические методы распознавания образов>>. Сборник докладов, МАКС-Пресс. МАКС~Пресс, 2011 : 158-161. Inproceedings
Abstract: Решается задача классификации с использованием логистической регрессии. Предлагается новый подход, заключающийся в совместной кластеризации объектов и выборе признаков моделей. Результатом подхода является многоуровневая модель  набор моделей оптимальной сложности. Для построения моделей предлагается использовать EM-алгоритм. На E-шаге происходит отнесение объектов к моделям. На M-шаге происходит выбор наиболее вероятных параметров модели. Алгоритм тестировался на данных кредитным займам наличными.
BibTeX:
@inproceedings{Pavlov2011Selection,
  author = {Павлов, К. В. and Стрижов, В. В.},
  title = {Выбор многоуровневых моделей в задачах банковскового кредитного скоринга},
  booktitle = {Всероссийская конференция <<Математические методы распознавания образов>>. Сборник докладов, МАКС-Пресс},
  publisher = {МАКС~Пресс},
  year = {2011},
  pages = {158-161},
  url = {http://strijov.com/papers/Pavlov2011mmro15.pdf}
}
Стрижов В.В. Задача выбора многоуровневых моделей с анализом ковариационной матрицы параметров // Всероссийская конференция <<Математические методы распознавания образов>>. Сборник докладов, 2011 : 154-157. Inproceedings
Abstract: Обсуждается метод выбора активного набора признаков и фильтрации объектов выборки при восстановлении регрессии. Предполагается, что элементы рассматриваемой выборки естественным образом были разбиты на подмножества; для каждого из которых имеется своя, отличная от других, гипотеза порождения данных. Задача заключается в том, чтобы определить это разбиение и восстановить регрессионную модель для каждой подвыборки. При этом оценивается ковариационная матрица параметров каждой модели, и на основании анализа этой матрицы определяется вероятность принадлежности некоторого объекта данной подвыборке, а и некоторого признака - данной модели.
BibTeX:
@inproceedings{Strijov11Multimodel_mmro,
  author = {Стрижов, В. В.},
  title = {Задача выбора многоуровневых моделей с анализом ковариационной матрицы параметров},
  booktitle = {Всероссийская конференция <<Математические методы распознавания образов>>. Сборник докладов},
  year = {2011},
  pages = {154-157},
  url = {http://strijov.com/papers/Strijov2011mmro15.pdf}
}

2010

Strijov V., Weber G.W. Nonlinear regression model generation using hyperparameter optimization // Computers and Mathematics with Applications, 2010, 60(4) : 981-988. Article
Abstract: An algorithm of the inductive model generation and model selection is proposed to solve the problem of automatic construction of regression models. A regression model is an admissible superposition of smooth functions given by experts. Coherent Bayesian inference is used to estimate model parameters. It introduces hyperparameters which describe the distribution function of the model parameters. The hyperparameters control the model generation process.
BibTeX:
@article{Strijov2010981,
  author = {Vadim Strijov and Gerhard Wilhelm Weber},
  title = {Nonlinear regression model generation using hyperparameter optimization},
  journal = {Computers and Mathematics with Applications},
  year = {2010},
  volume = {60},
  number = {4},
  pages = {981-988},
  url = {http://www.sciencedirect.com/science/article/B6TYJ-4YX65PS-1/2/471789368d98fd837f293565dbfc0bbb},
  doi = {10.1016/j.camwa.2010.03.021}
}
Стрижов В.В. Методы выбора регрессионных моделей. Москва: ВЦ РАН, 2010 : 60. Book
Abstract: При решении практических задач восстановления регрессии, для отыскания адекватной модели предлагается использовать порожденные признаки, полученные с помощью измеряемых исходных признаков. Это влечет существенное повышение размерности признакового пространства и, как следствие, необходимость использования алгоритмов выбора признаков. Ниже рассматриваются и сравниваются классические и новые алгоритмы выбора признаков. Работа алгоритмов проиллюстрирована прикладными задачами. Основу данного сообщения составляет курс лекций, читаемый автором в Московском физико-техническом институте.
BibTeX:
@book{strijov2010methody_ccas,
  author = {Вадим Викторович Стрижов},
  title = {Методы выбора регрессионных моделей},
  publisher = {Москва: ВЦ РАН},
  year = {2010},
  pages = {60},
  url = {http://www.machinelearning.ru/wiki/images/5/52/Strijov-Krymova10Model-Selection.pdf}
}
Strijov V. Evidence of successively generated models // International Conference on Operational Research <>, 2010 : 223. Inproceedings
Abstract: Let us investigate an algorithm of regression model construction. The constructed model will be used to solve problems of the Financial Sector: it might be a scoring model, an energy consumption forecast model or European option volatility smile model. We suppose that given historical data are not sufficient to discover hidden dependencies in an investigated problem. So we propose the following approach to the model construction. Together with historical data we use expert-given set of primitive functions. It is recommended to collect functions, which already widely used to model the investigated problem. Then we assign a generating function, which will be used to generate the set of the competitive models. We estimate evidence of the models using coherent Bayesian inference and select a model of the best structure. Since generating functions make a countable set of models, we organize an iterative generation-selection procedure. Each cycle of the procedure include the following steps. First, we modify competitive models so that the structural distance between an original and a derivative model will as minimal as possible. Second, we estimate parameters and hyperparameters of the derivative model to cut-off some model modifications at the following steps and reduce the algorithm complexity. Third, we analyze the evidence of the derivative model to find the probability to become it a model of the optimal structure. Also, we analyze some restrictions applied to the model structure and robustness of the model. As the result we obtain a model, interpretable from the expert’s point-of view; if fits historical data well and robust. Some additional tests are applied to verify the result model: cross-validation and retrospective forecasting to ensure quality of the further use.
BibTeX:
@inproceedings{strijov10evidence_or,
  author = {Vadim Strijov},
  title = {Evidence of successively generated models},
  booktitle = {International Conference on Operational Research <>},
  year = {2010},
  pages = {223},
  url = {http://strijov.com/papers/strijov2010OR.pdf}
}
Strijov V. Model generation and model selection in credit scoring // 24th European Conference on Operational Research, 2010 : 220. Inproceedings
Abstract: The credit scorecard is the logistic regression model; it maps the feature space to the probability of default of a banking client. A classical scorecard is constructed by an analyst, who manually selects informative features and creates combinations of them. We propose a new technique for the automatic scorecard construction. To develop a scorecard, one must assign a set of primitive functions and model generation rules. The result model is an admissible superposition of the primitive functions and features. The coherent Bayesian inference is used to select features and their superpositions.
BibTeX:
@inproceedings{strijov10model_euro,
  author = {Vadim Strijov},
  title = {Model generation and model selection in credit scoring},
  booktitle = {24th European Conference on Operational Research},
  year = {2010},
  pages = {220},
  url = {http://strijov.com/papers/strijov10ModelGen_EURO.pdf}
}
Strijov V., Krymova K., Weber G.W. Evidence Optimization for Consequently Generated Models // Proceedings of the fourth global conference on power control and optimization, 2010, 1337 : 204-208. Inproceedings
BibTeX:
@inproceedings{Strijov2011Evidence_AIP,
  author = {Vadim Strijov and Katya Krymova and Gerhard Wilhelm Weber},
  editor = {Nader Barsoum and Jeffrey Frank Webb and Pandian Vasant},
  title = {Evidence Optimization for Consequently Generated Models},
  booktitle = {Proceedings of the fourth global conference on power control and optimization},
  year = {2010},
  volume = {1337},
  pages = {204-208}
}
Strijov V., Letmathe P. Integral indicators based on data and rank-scale expert estimations // Intellectual Information Processing. Conference Proceedings, 2010 : 107-110. Inproceedings
Abstract: Integral indicators play important role in decision making. To make a balanced decision one needs measured data and expert estimations. The expert estimations may contradict the data. Below we investigate a method of integral indicator construction. It uses rank-scaled expert estimations and resolves the possible contradiction between the estimations and the data.
BibTeX:
@inproceedings{strijov10integral_ioi,
  author = {Vadim Strijov and Peter Letmathe},
  title = {Integral indicators based on data and rank-scale expert estimations},
  booktitle = {Intellectual Information Processing. Conference Proceedings},
  year = {2010},
  pages = {107-110},
  url = {http://strijov.com/papers/Strijov2010-iip-8.pdf}
}
Strijov V., Weber G.W., Dolgopolova I. Model Generation and Mathematical Modelling // EngOpt 2010: 2nd International Conference on Engineering Optimization, 2010 : 169. Inproceedings
Abstract: Mathematical modelling has two issues: first, to create a model of a dynamic system using expert knowledge and second, to discover a model using the measured data. We observe the model-driven and the data-driven approaches to the model creation problem and propose the new combined one. It gathers strong sides of classical approaches: the result model could be explained by experts and it fits measured data well. The new technique is illustrated by the model of pressure in combusting camera of diesel engine.
BibTeX:
@inproceedings{strijov10model_engopt,
  author = {Vadim Strijov and Gerhard Wilhelm Weber and Irina Dolgopolova},
  title = {Model Generation and Mathematical Modelling},
  booktitle = {EngOpt 2010: 2nd International Conference on Engineering Optimization},
  year = {2010},
  pages = {169},
  url = {http://lemac1.dem.ist.utl.pt/engopt2010/Book_and_CD/Book_of_Abstracts_Final_Version/Book_abstrats_EngOpt2010.pdf}
}
Крымова Е.A., Стрижов В.В. Выбор регрессионных моделей с анализом мультиколлинеарности // Интеллектуализация обработки информации. Доклады 8-й международной конференции, 2010 : 153-156. Inproceedings
Abstract: В работе рассматриваются способы порождения моделей с помощью существенно нелинейных параметрических порождающих функций. Предложен алгоритм выбора модели оптимальной структуры, основанный на последовательном порождении моделей максимального правдоподобия. Исследуется расстояние между полученными моделями. Работа алгоритма выбора моделей проиллюстрирована задачей моделирования давления в двигателе внутреннего сгорания.
BibTeX:
@inproceedings{krymova10vybor_ioi,
  author = {Е. A. Крымова and В. В. Стрижов},
  title = {Выбор регрессионных моделей с анализом мультиколлинеарности},
  booktitle = {Интеллектуализация обработки информации. Доклады 8-й международной конференции},
  year = {2010},
  pages = {153-156},
  url = {http://strijov.com/papers/Krymova2010Select_IOI.pdf}
}
Скипор К.С., Стрижов В.В. Метод наименьших углов для логистической регрессии // Интеллектуализация обработки информации. Доклады 8-й международной конференции, 2010 : 180-183. Inproceedings
Abstract: Предлагается и исследуется алгоритм отбора признаков для решения задач восстановления логистической регрессии. Приводится математическое обоснование предложенного алгоритма. Алгоритм основан на методе наименьших углов для модели линейной регрессии с использованием дополнительной линеаризации функционала качества. Работа алгоритма проиллюстрирована задачей изучения факторов риска ишемических заболеваний сердца.
BibTeX:
@inproceedings{skipor10method_ioi,
  author = {К. С. Скипор and В. В. Стрижов},
  title = {Метод наименьших углов для логистической регрессии},
  booktitle = {Интеллектуализация обработки информации. Доклады 8-й международной конференции},
  year = {2010},
  pages = {180-183},
  url = {http://strijov.com/papers/Skipor2010-iip-8.pdf}
}

2009

Стрижов В.В., Сологуб Р.А. Индуктивное порождение регрессионных моделей предполагаемой волатильности для опционных торгов // Вычислительные технологии, 2009, 14(5) : 102-113. Article
Abstract: Предложен алгоритм индуктивного порождения регрессионных моделей оптимальной структуры. Алгоритм использован для построения моделей опционных торгов. Уточняется заданная экспертами модель зависимости вычисленной волатильности опционов от времени и цены исполнения. Используются данные торгов опционами Brent Crude Oil.
BibTeX:
@article{strijov09jct,
  author = {Стрижов, В.~В. and Сологуб, Р.~А.},
  title = {Индуктивное порождение регрессионных моделей предполагаемой волатильности для опционных торгов},
  journal = {Вычислительные технологии},
  year = {2009},
  volume = {14},
  number = {5},
  pages = {102-113},
  url = {http://strijov.com/papers/Strijov09JCT5.pdf}
}
Strijov V. Model selection using inductively generated set // European Conference on Operational Research EURO-23, 2009 : 114. Inproceedings
BibTeX:
@inproceedings{strijov09EURO,
  author = {Strijov, V.},
  title = {Model selection using inductively generated set},
  booktitle = {European Conference on Operational Research EURO-23},
  year = {2009},
  pages = {114},
  url = {http://strijov.com/papers/strijov2009EURO23.pdf}
}
Strijov V. The Inductive Algorithms of Model Generation // SIAM Conference on Computational Science and Engineering (CSE09), 2009 : 23. Inproceedings
Abstract: One of the important problems in scientific data mining is the problem of regression modeling. To make a regression model using measured data a researcher examines set of competitive models and chooses a model of the best quality. Due to the nature of the experiments non-linear models are common in biological simulations. Symbolic regression allows dealing with large sets of non-linear models. In the lecture inductive algorithms for model creation and selection will be discussed.
BibTeX:
@inproceedings{strijov09SIAMcse09,
  author = {Strijov, V.},
  title = {The Inductive Algorithms of Model Generation},
  booktitle = {SIAM Conference on Computational Science and Engineering (CSE09)},
  year = {2009},
  pages = {23},
  url = {http://strijov.com/papers/strijov09_SIAM_cse09.pdf}
}
Strijov V., Granic G.and Juric Z., Jelavic B., Maricic S. Integral Indicator of Ecological Footprint for Croatian Power Plants // HED Energy Forum “Quo Vadis Energija in Times of Climate Change”, 2009 : 46. Inproceedings
Abstract: The main goal of this paper is to present the methodology of construction of the Integral Indicator for Croatian Power Plants. The Integral Indicator is necessary to compare Power Plants selected according to a certain criterion. Herewith the criterion of the Ecological Footprint was chosen. TPP and CHP Power Plants were selected. The following features were used: generated electricity and heat; consumed coal and liquid fuel; sulphur content in fuel; emitted CO2, SO2, NOx and particles. To construct the Integral Indicator the linear model were used. The model was tuned by Principal Component Analysis algorithm. The constructed Integral Indicator was compared with several others, such as Pareto-Optimal Slicing Indicator and Metric Indicator. The Integral Indicator keeps as much information about features of the Power Plants as possible; it is simple and robust.
BibTeX:
@inproceedings{strijov09HED,
  author = {Strijov, V. and Granic, G.and Juric, Z. and Jelavic, B. and Maricic, S.A.},
  title = {Integral Indicator of Ecological Footprint for Croatian Power Plants},
  booktitle = {HED Energy Forum “Quo Vadis Energija in Times of Climate Change”},
  year = {2009},
  pages = {46},
  url = {http://strijov.com/papers/IndicatorOfEcoFootprintForCroatianPPs09HED_EIHP.pdf}
}
Strijov V., Sologub R. Generation of the implied volatility models // Mathematics. Computer. Education. Conference Proceedings, 2009. Inproceedings
BibTeX:
@inproceedings{sologub09mce,
  author = {Strijov, V. and Sologub, R.},
  title = {Generation of the implied volatility models},
  booktitle = {Mathematics. Computer. Education. Conference Proceedings},
  year = {2009},
  url = {http://strijov.com/papers/sologub09mce.pdf}
}
Крымова Е.А., Стрижов В.В. Сравнение эвристических алгоритмов выбора линейных регрессионных моделей // Математические методы распознавания образов. 14-я Всероссийской конференция ММРО-14. Сборник докладов. МАКС~Пресс, 2009 : 145-148. Inproceedings
Abstract: В работе описан способ построения линейных регрессионных моделей, основанный на порождении и выборе признаков. Предложены эвристические алгоритмы выбора признаков. Выполнено сравнение этих алгоритмов с общеизвестными. Особенностью данного исследования является то, что задача выбора моделей поставлена для счетного набора признаков.
BibTeX:
@inproceedings{krymova09mmro,
  author = {Крымова, Е.~А. and Стрижов, В.~В.},
  title = {Сравнение эвристических алгоритмов выбора линейных регрессионных моделей},
  booktitle = {Математические методы распознавания образов. 14-я Всероссийской конференция ММРО-14. Сборник докладов},
  publisher = {МАКС~Пресс},
  year = {2009},
  pages = {145-148},
  url = {http://strijov.com/papers/strijov09MM1_MMRO-14.pdf}
}
Мельников Д.И., Стрижов В.В., Андреева Е.Ю., Эдензартер Г. Выбор опорного множества при построении устойчивых интегральных индикаторов // Математические методы распознавания образов. 14-я Всероссийской конференция ММРО-14. Сборник докладов. МАКС~Пресс, 2009 : 159-162. Inproceedings
Abstract: Исследуется задача построения интегрального индикатора множества объектов, устойчивого к выбросам в описаниях объектов. Объекты описаны в линейных шкалах. Для построения интегрального индикатора из множества всех описаний с помощью критерия принадлежности выбирается множество опорных описаний. Интегральный индикатор строится методом«без учителя». Предложенный алгоритмиспользован для получения интегрального индикатора уровня загрязнений основных продуктов питания в регионах России.
BibTeX:
@inproceedings{melnikov09mmro,
  author = {Мельников, Д.~И. and Стрижов, В.~В. and Андреева, Е.~Ю. and Эдензартер, Г.},
  title = {Выбор опорного множества при построении устойчивых интегральных индикаторов},
  booktitle = {Математические методы распознавания образов. 14-я Всероссийской конференция ММРО-14. Сборник докладов},
  publisher = {МАКС~Пресс},
  year = {2009},
  pages = {159-162},
  url = {http://strijov.com/papers/strijov09MM2_MMRO-14.pdf}
}
Стрижов А.В., Стрижов В.В. Объективизация экспертных оценок, выставленных в ранговых шкалах // Математика. Компьютер. Образование. XVI международная конференция. Тезисы докладов, 2009. Inproceedings
BibTeX:
@inproceedings{strizhov09mce,
  author = {Стрижов, А.~В. and Стрижов, В.~В.},
  title = {Объективизация экспертных оценок, выставленных в ранговых шкалах},
  booktitle = {Математика. Компьютер. Образование. XVI международная конференция. Тезисы докладов},
  year = {2009},
  url = {http://strijov.com/papers/strizhov09mce.pdf}
}
Стрижов В.В. Порождение и выбор регрессионных моделей // Математика. Компьютер. Образование. XVI международная конференция. Тезисы докладов, 2009. Inproceedings
Abstract: Доклад посвящен проблемам индуктивного порождения и выбора нелинейных моделей в регрессионном анализе. Рассматривается теория порождения наборов альтернативных моделей, основанных на измеряемых данных и экспертных оценках. Теория проиллюстрирована примерами использования моделей оптимальной структуры при исследовании результатов физико-химических измерений.
BibTeX:
@inproceedings{strijov09mce,
  author = {Стрижов, В.~В.},
  title = {Порождение и выбор регрессионных моделей},
  booktitle = {Математика. Компьютер. Образование. XVI международная конференция. Тезисы докладов},
  year = {2009},
  url = {http://strijov.com/papers/strijov09mce.pdf}
}
Стрижов В.В., Крымова Е.А. Алгоритмы порождения и выбора регрессионных моделей // Математика. Компьютер. Образование. XVI международная конференция. Тезисы докладов, 2009. Inproceedings
BibTeX:
@inproceedings{krymova09mce,
  author = {Стрижов, В.~В. and Крымова, Е.~А.},
  title = {Алгоритмы порождения и выбора регрессионных моделей},
  booktitle = {Математика. Компьютер. Образование. XVI международная конференция. Тезисы докладов},
  year = {2009},
  url = {http://strijov.com/papers/krymova09mce.pdf}
}
Стрижов В.В., Сологуб Р.А. Алгоритм выбора нелинейных регрессионных моделей с анализом гиперпараметров // Математические методы распознавания образов. 14-я Всероссийской конференция ММРО-14. Сборник докладов. МАКС~Пресс, 2009 : 184-187. Inproceedings
Abstract: Рассматривается задача порождения и выбора нелинейных регрессионных моделей. Модели индуктивно порождаются с помощью экспертно-заданного множества гладких функций. Для выбора моделей используется информация о распределении их параметров. Предлагается метод поиска моделей, комбинирующий подходы байесовского вывода и символьной регрессии.
BibTeX:
@inproceedings{strijov09mmro,
  author = {Стрижов, В.~В. and Сологуб, Р.~А.},
  title = {Алгоритм выбора нелинейных регрессионных моделей с анализом гиперпараметров},
  booktitle = {Математические методы распознавания образов. 14-я Всероссийской конференция ММРО-14. Сборник докладов},
  publisher = {МАКС~Пресс},
  year = {2009},
  pages = {184-187},
  url = {http://strijov.com/papers/strijov09MM3_MMRO-14.pdf}
}

2008

Стрижов В.В. Методы индуктивного порождения регрессионных моделей. М.:~ВЦ~РАН, 2008. Book
Abstract: При решении задач линейной или нелинейной регрессии искомая модель может быть назначена аналитиком на основе предположений о характере решаемой задачи или выбрана из некоторого множества моделей. При выборе моделей встают вопросы о том, какова должна быть структура модели, ее сложность, устойчивость и точность. Рассматриваются проблемы индуктивного порождения и выбора моделей, представленных в виде суперпозиций параметрических функций.
BibTeX:
@book{strijov08ln,
  author = {Стрижов, В.~В.},
  title = {Методы индуктивного порождения регрессионных моделей},
  publisher = {М.:~ВЦ~РАН},
  year = {2008},
  url = {http://strijov.com/papers/strijov08ln.pdf}
}
Bray D., Strijov V. Using immune markers for classification of the CVD patients // Intellectual Data Analysis: Abstracts of the International scientific conference, 2008 : 49-50. Inproceedings
BibTeX:
@inproceedings{bray08ioi,
  author = {Bray, D. and Strijov, V.},
  title = {Using immune markers for classification of the CVD patients},
  booktitle = {Intellectual Data Analysis: Abstracts of the International scientific conference},
  year = {2008},
  pages = {49-50},
  url = {http://strijov.com/papers/bray08ioi.pdf}
}
Strijov V. On the inductive model generation // Intellectual Data Analysis: Abstracts of the International scientific conference, 2008 : 220. Inproceedings
Abstract: This talk is devoted to the problem of the automatic model creation in regression analysis. The models are intended for dynamic systems behavior analysis. The theory and the practice of the inductively-generated models will be examined.
BibTeX:
@inproceedings{strijov08ioi,
  author = {Strijov, V.},
  title = {On the inductive model generation},
  booktitle = {Intellectual Data Analysis: Abstracts of the International scientific conference},
  year = {2008},
  pages = {220},
  url = {http://strijov.com/papers/strijov08ioi.pdf}
}
Strijov V. Estimation of hyperparameters on parametric regression model generation // 9th International Conference on Pattern Recognition and Image Analysis: New Information Technologies (PRIA-9-2008), 2008, 2 : 178-181. Inproceedings
Abstract: The problem of the non-linear regression analysis is considered. The algorithm of the inductive model generation is described. The regression model is a superposition of given smooth functions. To estimate the model parameters two-level Bayesian Inference technique was used. It introduces hyperparameters, which describe the distribution function of the model parameters.
BibTeX:
@inproceedings{strijov08roai,
  author = {Strijov, V.},
  title = {Estimation of hyperparameters on parametric regression model generation},
  booktitle = {9th International Conference on Pattern Recognition and Image Analysis: New Information Technologies (PRIA-9-2008)},
  year = {2008},
  volume = {2},
  pages = {178-181},
  url = {http://strijov.com/papers/strijov08roai_source.pdf}
}
Strijov V., Sologub R. The inductive generation of the volatility smile models // SIAM Conference on Financial Mathematics and Engineering 2008, 2008 : 21. Inproceedings
Abstract: Volatility of the European-type options depends on their strike and maturity. The authors suppose the volatility smile models based not only the expert knowledge, but also on the measured data. The model generation algorithm was proposed. It generates volatility models of the optimal structure inductively using implied volatility data and expert considerations. The models satisfy expert assessments. The Brent Crude Oil option was considered as an example.
BibTeX:
@inproceedings{sologub08finance,
  author = {Strijov, V. and Sologub, R.},
  title = {The inductive generation of the volatility smile models},
  booktitle = {SIAM Conference on Financial Mathematics and Engineering 2008},
  year = {2008},
  pages = {21},
  url = {http://strijov.com/papers/sologub08finance_eng.pdf}
}
Воронцов К.В., Инякин А.С., Лисица А.В., Стрижов В.В., Хачай М.Ю., Чехович Ю.В. Распределенная вычислительная система <<Полигон алгоритмов классификации>> // Интеллектуализация обработки информации: тезисы докладов международной научной конференции, 2008 : 54-56. Inproceedings
BibTeX:
@inproceedings{vorontsov08polygon,
  author = {Воронцов, К.~В. and Инякин, А.~С. and Лисица, А.~В. and Стрижов, В.~В. and Хачай, М.~Ю. and Чехович, Ю.~В.},
  title = {Распределенная вычислительная система <<Полигон алгоритмов классификации>>},
  booktitle = {Интеллектуализация обработки информации: тезисы докладов международной научной конференции},
  year = {2008},
  pages = {54-56}
}
Воронцов К.В., Инякин А.С., Стрижов В.В., Чехович Ю.В. MachineLearning.ru: интернет-ресурс, посвященный проблемам распознавания, прогнозирования, классификации // Интеллектуализация обработки информации: тезисы докладов международной научной конференции, 2008 : 56-58. Inproceedings
BibTeX:
@inproceedings{vorontsov08ml,
  author = {Воронцов, К. В. and Инякин, А. С. and Стрижов, В. В. and Чехович, Ю. В.},
  title = {MachineLearning.ru: интернет-ресурс, посвященный проблемам распознавания, прогнозирования, классификации},
  booktitle = {Интеллектуализация обработки информации: тезисы докладов международной научной конференции},
  year = {2008},
  pages = {56-58}
}
Стрижов В.В. Кластеризация пучков временных рядов путем динамической свертки свободной переменной // Математика. Компьютер. Образование. XV международная конференция. Тезисы докладов, 2008 : 28. Inproceedings
Abstract: Задано множество временных рядов. Временные ряды имеют, в общем случае, различное число элементов. Каждый из временных рядов относится к одному из двух кластеров. Требуется найти такие инвариантные преобразования свободной переменной - времени, при которых сумма ошибок первого и второго рода, нормированных числом элементов классов, минимальна. Инвариантные преобразования отыскивается на индуктивно заданном множестве параметрических функций.
BibTeX:
@inproceedings{strijov08macoed,
  author = {Стрижов, В.~В.},
  title = {Кластеризация пучков временных рядов путем динамической свертки свободной переменной},
  booktitle = {Математика. Компьютер. Образование. XV международная конференция. Тезисы докладов},
  year = {2008},
  pages = {28},
  url = {http://strijov.com/papers/mce-21.pdf}
}
Стрижов В.В., Гущин А.В. Алгоритм объективизации оценок эксперта с помощью измеряемых данных // Интеллектуализация обработки информации: тезисы докладов международной научной конференции, 2008 : 78-79. Inproceedings
Abstract: Целью данной работы является создание и теоретическое обоснование алгоритма построения интегральных индикаторов качества объектов. Интегральный индикатор – число, поставленное в соответствие объекту и рассматриваемое как оценка его качества. Говоря о наборе объектов, будем называть интегральным индикатором вектор, компоненты которого поставлены в соответствие сравниваемым объектам. В настоящей работе предлагается способ объективизацииэкспертных оценок, выставленных в ранговых шкалах. Результатом такой объективизации являются интегральные индикаторы, уточняющие экспертные оценки и не противоречащие реальным данным. При построении интегральных индикаторов вычисляются веса важности показателей, объясняющие экспертные предпочтения. Изменяемые данные и экспертные оценки обобщатся в непротиворечивую систему.
BibTeX:
@inproceedings{gushchin08ioi,
  author = {Стрижов, В.~В. and Гущин, А.~В.},
  title = {Алгоритм объективизации оценок эксперта с помощью измеряемых данных},
  booktitle = {Интеллектуализация обработки информации: тезисы докладов международной научной конференции},
  year = {2008},
  pages = {78-79},
  url = {http://strijov.com/papers/gushchin08ioi.pdf}
}
Стрижов В.В., Сологуб Р.А. Индуктивное построение регрессионных моделей волатильности // Интеллектуализация обработки информации: тезисы докладов международной научной конференции, 2008 : 215-216. Inproceedings
Abstract: Работа посвящена нахождению модели волатильности оптимальной структуры. Модель отыскивается алгоритма индуктивного порождения регрессионных моделей. Объектом практической части исследования является биржевой опцион – контракт, дающий покупателю право, но не обязанность приобрести в момент исполнения набор акций по цене исполнения. Для опциона определяется вычисленная волатильность – мера дисперсии, посчитанная как аргумент в формуле справедливой оценки цены опциона Блэка-Шоулза. В соответствии с этой моделью, вычисленная волатильность как функция для набора цен исполнения (называемого сеткой страйков) и времени исполнения является константой. Но на практике в значениях цены исполнения, находящихся недалеко от наиболее вероятной цены акции в момент исполнения волатильность оказывается меньше, чем в удаленных точках. Такая зависимость вычисленной волатильности от времени исполнения и цены исполнения обычно называется «улыбкой» волатильности. Восстановлению данной зависимости с помощью алгоритма индуктивного порождения моделей и посвящена работа.
BibTeX:
@inproceedings{sologub08ioi,
  author = {Стрижов, В.~В. and Сологуб, Р.~А.},
  title = {Индуктивное построение регрессионных моделей волатильности},
  booktitle = {Интеллектуализация обработки информации: тезисы докладов международной научной конференции},
  year = {2008},
  pages = {215-216},
  url = {http://strijov.com/papers/sologub08ioi.pdf}
}

2007

Стрижов В.В. Поиск параметрической регрессионной модели в индуктивно заданном множестве // Вычислительные технологии, 2007, 1 : 93-102. Article
Abstract: A procedure of the search for a parametric regression model in a model set is described. The model set is a set of superpositions of the given smooth functions. The model parameters density estimates are used for the search. To illustrate applicability of the approach the problem of the pressure variation in a spray chamber of the combustion engine is examined.
BibTeX:
@article{strijov07poisk,
  author = {В. В. Стрижов},
  title = {Поиск параметрической регрессионной модели в индуктивно заданном множестве},
  journal = {Вычислительные технологии},
  year = {2007},
  volume = {1},
  pages = {93-102},
  url = {http://strijov.com/papers/strijov06poisk_jct_en.pdf}
}
Стрижов В.В., Казакова Т.В. Устойчивые интегральные индикаторы с выбором опорного множества описаний // Заводская лаборатория. Диагностика материалов, 2007, 73(7) : 72-76. Article
Abstract: Исследуется задача построения интегрального индикатора множества объектов, устойчивого к выбросам в описаниях объектов. Объекты описаны в линейных шкалах. Для построения интегрального индикатора из множества всех описаний с помощью критерия принадлежности выбирается множество опорных описаний. Интегральный индикатор строится методом без учителя. Предложенный алгоритм использован для получения интегрального индикатора уровня загрязнений основных продуктов питания в регионах России.
BibTeX:
@article{strijov07stable,
  author = {Стрижов, В.~В. and Казакова, Т.~В.},
  title = {Устойчивые интегральные индикаторы с выбором опорного множества описаний},
  journal = {Заводская лаборатория. Диагностика материалов},
  year = {2007},
  volume = {73(7)},
  pages = {72-76},
  url = {http://strijov.com/papers/stable_idx4zavlab_after_recenz.pdf}
}
Ивахненко А.А., Каневский Д.Ю., Рудева А.В., Стрижов В.В. Выявление групп объектов, описанных набором многомерных временных рядов // Математические методы распознавания образов (ММРО-13). Доклады конференции, 2007 : 134-137. Inproceedings
Abstract: Описана процедура поиска параметрической регрессионной модели в классе моделей, определенном суперпозициями гладких функций из заданного множества. Для поиска используются оценки плотности распределения параметров элементов моделей. Параметры моделей оцениваются с помощью методов нелинейной оптимизации. Для иллюстрации приведена задача о моделировании изменения давления в камере внутреннего сгорания дизельного двигателя.
BibTeX:
@inproceedings{strijov07timeseries,
  author = {Ивахненко, А.~А. and Каневский, Д.~Ю. and Рудева, А.~В. and Стрижов, В.~В.},
  title = {Выявление групп объектов, описанных набором многомерных временных рядов},
  booktitle = {Математические методы распознавания образов (ММРО-13). Доклады конференции},
  year = {2007},
  pages = {134-137},
  url = {http://strijov.com/papers/strijov_MM_AS_4.pdf}
}
Стрижов В.В., Казакова Т.В. Объективизация экспертных оценок, выставленных в ранговых шкалах // Математические методы распознавания образов (ММРО-13). Доклады конференции, 2007 : 209-211. Inproceedings
Abstract: Предложен способ построения интегральных индикаторов качества сложных объектов с использованием экспертных оценок и измеряемых данных. Предполагается, что экспертные оценки выставлены в ранговых шкалах.
BibTeX:
@inproceedings{strijov07object,
  author = {Стрижов, В.~В. and Казакова, Т.~В.},
  title = {Объективизация экспертных оценок, выставленных в ранговых шкалах},
  booktitle = {Математические методы распознавания образов (ММРО-13). Доклады конференции},
  year = {2007},
  pages = {209-211},
  url = {http://strijov.com/papers/strijov_MM_2.pdf}
}
Стрижов В.В., Пташко Г.О. Построение инвариантов на множестве временных рядов путем динамической свертки свободной переменной // Математические методы распознавания образов (ММРО-13). Доклады конференции, 2007 : 212-214. Inproceedings
Abstract: Дано множество временных рядов, на котором заданы классы эквивалентности. Требуется построить модель — параметрическое семейство преобразований, которая задает инвариант, отображающий временные ряды в соответствующие классы. Модель выбирается из множества суперпозиций гладких монотонных функций. Предложенный алгоритм основан на методе поиска оптимальной регрессионной модели как произвольной суперпозиции порождающих функций. Особенностью предложенного алгоритма является то, что аппроксимация выполняется не на множестве временных рядов, а на множестве их путей минимальной стоимости, что позволяет сократить множество моделей-претендентов и уменьшить их сложность.
BibTeX:
@inproceedings{strijov07invariants,
  author = {Стрижов, В.~В. and Пташко, Г.~О.},
  title = {Построение инвариантов на множестве временных рядов путем динамической свертки свободной переменной},
  booktitle = {Математические методы распознавания образов (ММРО-13). Доклады конференции},
  year = {2007},
  pages = {212-214},
  url = {http://strijov.com/papers/strijov_MM_1.pdf}
}

2006

Казакова Т.В., Стрижов В.В. Построение устойчивых интегральных индикаторов с выбором нормирующих функций // Искусственный интеллект, 2006, 1 : 160-163. Article
Abstract: Исследуется задача построения интегрального индикатора множества объектов, имеющих описания в линейных шкалах, устойчивого к изменениям множества описаний объектов. При построении интегрального индикатора выбирается такое опорное множество, которое доставляют максимум критерию устойчивости.
BibTeX:
@article{strijov06AIidx,
  author = {Казакова, Т.~В. and Стрижов, В.~В.},
  title = {Построение устойчивых интегральных индикаторов с выбором нормирующих функций},
  journal = {Искусственный интеллект},
  year = {2006},
  volume = {1},
  pages = {160-163},
  url = {http://strijov.com/papers/strijov06AIidx.pdf}
}
Стрижов В.В. Поиск регрессионных моделей в индуктивно заданном множестве // Искусственный интеллект, 2006, 2 : 234-237. Article
Abstract: Задана выборка значений нескольких свободных и одной независимой переменной и задан набор порождающих гладких функций, индуктивно определяющих множество регрессионных моделей. Описан алгоритм выбора оптимальной регрессионной модели, использующий гиперпараметры для анализа элементов модели.
BibTeX:
@article{strijov06AI,
  author = {Стрижов, В.~В.},
  title = {Поиск регрессионных моделей в индуктивно заданном множестве},
  journal = {Искусственный интеллект},
  year = {2006},
  volume = {2},
  pages = {234-237},
  url = {http://strijov.com/papers/strijov06AI.pdf}
}
Стрижов В.В. Уточнение экспертных оценок с помощью измеряемых данных // Заводская лаборатория. Диагностика материалов, 2006, 72(7) : 59-64. Article
BibTeX:
@article{Strijov2006Specification,
  author = {Стрижов, В. В.},
  title = {Уточнение экспертных оценок с помощью измеряемых данных},
  journal = {Заводская лаборатория. Диагностика материалов},
  year = {2006},
  volume = {72(7)},
  pages = {59-64},
  url = {http://strijov.com/papers/strijov06precise.pdf}
}
Стрижов В.В., Пташко Г.О. Алгоритмы поиска суперпозиций при выборе оптимальных регрессионных моделей. М.: ВЦ РАН, 2006. Book
BibTeX:
@book{strijov2007ccas,
  author = {Стрижов, В. В. and Пташко, Г. О.},
  title = {Алгоритмы поиска суперпозиций при выборе оптимальных регрессионных моделей},
  publisher = {М.: ВЦ РАН},
  year = {2006}
}
Стрижов В.В. Всеволод Владимирович Шакин // Математика. Компьютер. Образование. Cборник трудов XIII международной конференции. Научно-издательский центр Регулярная и хаотическая динамика, 2006, 1 : 5-16. Incollection
BibTeX:
@incollection{strijov06shakin,
  author = {Стрижов, В.~В.},
  editor = {Ризниченко, Г.~Ю.},
  title = {Всеволод Владимирович Шакин},
  booktitle = {Математика. Компьютер. Образование. Cборник трудов XIII международной конференции},
  publisher = {Научно-издательский центр Регулярная и хаотическая динамика},
  year = {2006},
  volume = {1},
  pages = {5-16},
  url = {http://strijov.com/papers/VsevolodShakin06paper.pdf}
}
Strijov V. Indices construction using linear and ordinal expert estimations // Citizens and Governance for Sustainable Development, 2006 : 49. Inproceedings
Abstract: Indices are necessary to compare objects united in a set according to a certain criterion. For example, the objects are national protected areas or power plants. An index is a number, which is corresponded to an object. In this research an algorithm for construction of quality indices using expert estimations is developed. Consider an indices construction problem. A set of comparable objects and a set of features are given together with an “object-feature” matrix of measured data. Expert estimations of indices and estimations of importance features are given. A model of indices computation is chosen. In the general case the computed indices don’t coincide with the expert estimates of the indices. The computed importance weights don’t coincide with the expert estimations of importance weights, too. One has to compute indices, which are based on measured data with the condition: the indices must not contradict given expert estimations. There two approaches to the problem were suggested. The first one is the unsupervised indices construction. It finds the model parameters such that provide the maximal value of a selfdescriptiveness criterion. The second approach is the supervised indices construction. The model parameters were set such that provide the minimal value of the distance between the computed indices and their expert estimations. Now the third approach is proposed. According to this approach the experts can resolve the contradiction between expert estimations of indices, importance weights and measured data. At that, there is a hyperparameter embedded in the model. Its value corresponds to importance either the indices or the feature weights.
BibTeX:
@inproceedings{strijo06sigsud,
  author = {Strijov, V.},
  title = {Indices construction using linear and ordinal expert estimations},
  booktitle = {Citizens and Governance for Sustainable Development},
  year = {2006},
  pages = {49},
  url = {http://strijov.com/papers/strijo06Abstract_SIGSUD_RuEng.pdf}
}
Казакова Т.В., Стрижов В.В. Построение устойчивых интегральных индикаторов с выбором нормирующих функций // Интеллектуализация обработки информации: тезисы докладов Международной научной конференции, 2006 : 199. Inproceedings
Abstract: Исследуется задача построения интегрального индикатора «без учителя», устойчивого к изменениям множества описаний объектов. Объекты описаны в линейных шкалах. При построении интегрального индикатора выбираются такое опорное множество объектов и монотонные преобразования, которые доставляют максимум критерию устойчивости
BibTeX:
@inproceedings{kazakova06ioi,
  author = {Казакова, Т.~В. and Стрижов, В.~В.},
  title = {Построение устойчивых интегральных индикаторов с выбором нормирующих функций},
  booktitle = {Интеллектуализация обработки информации: тезисы докладов Международной научной конференции},
  year = {2006},
  pages = {199},
  url = {http://strijov.com/papers/strijov_kazakova2006ioi.pdf}
}
Стрижов В.В. Поиск регрессионных моделей на множестве суперпозиций гладких функций // Математика. Компьютер. Образование. XIII международная конференция. Тезисы докладов, 2006. Inproceedings
Abstract: Сложные регрессионные модели, например, нейронные сети при обработке результатов измерений часто имеют большое число параметров и получаются переобученными. Предложенный метод позволяет находить несложные и достаточно точные модели.
BibTeX:
@inproceedings{strijov06mce,
  author = {Стрижов, В.~В.},
  title = {Поиск регрессионных моделей на множестве суперпозиций гладких функций},
  booktitle = {Математика. Компьютер. Образование. XIII международная конференция. Тезисы докладов},
  year = {2006},
  url = {http://strijov.com/papers/strijov06mce.pdf}
}
Стрижов В.В. Поиск регрессионных моделей в индуктивно заданном множестве // Интеллектуализация обработки информации: тезисы докладов Международной научной конференции, 2006 : 198. Inproceedings
Abstract: На заданной выборке значений нескольких свободных и одной зависимой переменной и заданном наборе непорождаемых гладких функций, обобщенно-индуктивно определяющих множество нелинейных регрессионных моделей рассмотрена процедура поиска регрессионной модели, оптимальной в евклидовой метрике. Предложен итерационный алгоритм поиска модели с аддитивным гауссовским шумом. Алгоритм включает генетические оптимизационные процедуры поиска неявно заданных моделей и метод доверительных интервалов для настройки их параметров.
BibTeX:
@inproceedings{strijov2006ioi,
  author = {Стрижов, В.~В.},
  title = {Поиск регрессионных моделей в индуктивно заданном множестве},
  booktitle = {Интеллектуализация обработки информации: тезисы докладов Международной научной конференции},
  year = {2006},
  pages = {198},
  url = {http://strijov.com/papers/strijov2006ioi.pdf}
}
Стрижов В.В., Казакова Т.В. Устойчивые интегральные индикаторы с выбором опорного множества объектов // Применение многомерного статистического анализа в экономике и оценке качества. 8-я международная конференция. Тезисы докладов, 2006. Inproceedings
Abstract: Авторами предлагается алгоритм построения устойчивых интегральных индикаторов с выбором опорного множества описаний объектов, на котором достигается максимум целевой функции, согласно которой вероятность принадлежности описания объекта опорному множеству пропорциональна мощности множества и обратно пропорционально его дисперсии.
BibTeX:
@inproceedings{strijovkazakova06CEMI,
  author = {Стрижов, В.~В. and Казакова, Т.~В.},
  title = {Устойчивые интегральные индикаторы с выбором опорного множества объектов},
  booktitle = {Применение многомерного статистического анализа в экономике и оценке качества. 8-я международная конференция. Тезисы докладов},
  year = {2006},
  url = {http://strijov.com/papers/strijovkazakova06CEMI.pdf}
}

2005

Стрижов В.В. О проблемах синтеза изоморфных автоматов // Естественные и технические науки, 2005, 4 : 61-65. Article
Abstract: При синтезе автомата требуется определить такую его структуру, которая была бы оптимальна в пространстве трех параметров: времени выполнения алгоритма, ресурсов (требуемого количества логических вентилей) и точности вычислений. Рассматриваются изоморфные конечные автоматы и их применение в реконфигурируемых компьютерах.
BibTeX:
@article{strijov05automata,
  author = {Стрижов, В.~В.},
  title = {О проблемах синтеза изоморфных автоматов},
  journal = {Естественные и технические науки},
  year = {2005},
  volume = {4},
  pages = {61-65},
  note = {ISSN~1684-2626},
  url = {http://strijov.com/papers/strijov2005estestvnauki.pdf}
}
Стрижов В.В. Модель управления особо охраняемыми природными территориями // Актуальные проблемы современной науки, 2005, 5(5) : 79-84. Article
Abstract: Рассматривается модель управления ООПТ с обратной связью и с двумя участниками процесса управления — субъектом и объектом. Субъект управления назначает цели управления, и, в соответствии с этими целями и с состоянием объекта управления, выбирает один из множества допустимых вариантов управления. Во время процесса управления производится мониторинг показателей объекта управления. Результатом мониторинга являются данные, зависящие от состояния объекта, вид зависимости известен. Описанная модель использует данные ежегодных отчетов ООПТ и экспертные оценки состояния ООПТ.
BibTeX:
@article{strijov05model,
  author = {Стрижов, В.~В.},
  title = {Модель управления особо охраняемыми природными территориями},
  journal = {Актуальные проблемы современной науки},
  year = {2005},
  volume = {5},
  number = {5},
  pages = {79-84},
  url = {http://strijov.com/papers/strijov2005actualnyeproblemy.pdf}
}
Казакова Т.В., Стрижов В.В. Построение устойчивых интегральных индикаторов // Математические методы распознавания образов (ММРО-12). Доклады XII всероссийской конференции, 2005 : 206. Inproceedings
Abstract: При построении интегральных индикаторов большого количества объектов появляется проблема их адекватной сравнимости, так как некоторые отдельные объекты имеют значения показателей, существенно отличающиеся от показателей основного числа объектов. Это означает, что в рамках линейной модели зависимости интегральных индикаторов объектов от значений их показателей объекты-выбросы имеют большее влияние на веса показателей, чем прочие объекты. Существуют два способа решения этой проблемы: исключение подобных объектов из выборки и разбиение множества объектов на несколько классов, внутри которых производится сравнение. Часто эти способы неприемлемы. Предлагается нелинейное монотонное отображение значений измеряемых показателей с целью получения устойчивого интегрального индикатора.
BibTeX:
@inproceedings{kazakova05mmro,
  author = {Казакова, Т.~В. and Стрижов, В.~В.},
  title = {Построение устойчивых интегральных индикаторов},
  booktitle = {Математические методы распознавания образов (ММРО-12). Доклады XII всероссийской конференции},
  year = {2005},
  pages = {206},
  url = {http://strijov.com/papers/kazakova05mmro.pdf}
}
Пташко Г.О., Стрижов В.В. Выбор функции расстояния при сравнении фазовых траекторий // Математические методы распознавания образов (ММРО-12). Доклады XII всероссийской конференции, 2005 : 116-119. Inproceedings
Abstract: При решении задач медицинской диагностики возникает проблема сравнения фазовых траекторий историй болезни пациентов. Предполагается, что пациенты с одинаковым диагнозом имеют сходные траектории. Требуется найти функцию расстояния между траекториями, которая бы удовлетворяла внешнему критерию, задаваемому экспертом. С помощью этой функции создается матрица парных расстояний между траекториями для последующей классификации пациентов по типам болезней.
BibTeX:
@inproceedings{ptashko05mmro,
  author = {Пташко, Г.~О. and Стрижов, В.~В.},
  title = {Выбор функции расстояния при сравнении фазовых траекторий},
  booktitle = {Математические методы распознавания образов (ММРО-12). Доклады XII всероссийской конференции},
  year = {2005},
  pages = {116-119},
  url = {http://strijov.com/papers/ptashko05mmro.pdf}
}
Пташко Г.О., Стрижов В.В., Шакин В.В. Уточнение экспертных оценок выставленных в ранговых шкалах // Математика. Компьютер. Образование. XII международная конференция. Тезисы докладов, 2005. Inproceedings
Abstract: Экспертная информация находит свое применение при решении различных задач. Например, при оценке качества жизни населения или оценке эффективности работы заповедников. Интегральный индикатор, построенный на основе экспертных оценок, является свернутым, но адекватным описанием объекта. Индикаторы могут быть получены как аналитическим способом, то есть, построены на основе математической модели либо назначены экспертами. Возникает задача об уточнении экспертных оценок и поиске компромиссных решений проблемы расхождения экспертных оценок с измеряемыми данными.
BibTeX:
@inproceedings{ptashko05macoed,
  author = {Пташко, Г.~О. and Стрижов, В.~В. and Шакин, В.~В.},
  title = {Уточнение экспертных оценок выставленных в ранговых шкалах},
  booktitle = {Математика. Компьютер. Образование. XII международная конференция. Тезисы докладов},
  year = {2005},
  url = {http://strijov.com/papers/macoed05_2.pdf}
}
Стрижов В.В. Поиск модели оптимальной сложности в задачах нелинейной регрессии // Математические методы распознавания образов (ММРО-12). Доклады XII всероссийской конференции, 2005 : 190-191. Inproceedings
Abstract: Широкое практическое применение методов нелинейной оптимизации в регрессионном анализе подготовило базу для создания алгоритмов синтеза регрессионных моделей. Рассматривается процедура поиска оптимальной регрессионной модели в классе моделей, определенном суперпозициями гладких функций из заданного множества. Для поиска используются алгоритмы генетической оптимизации. Параметры моделей оцениваются с помощью методов нелинейной оптимизации.
BibTeX:
@inproceedings{strijov05mmro,
  author = {Стрижов, В.~В.},
  title = {Поиск модели оптимальной сложности в задачах нелинейной регрессии},
  booktitle = {Математические методы распознавания образов (ММРО-12). Доклады XII всероссийской конференции},
  year = {2005},
  pages = {190-191},
  url = {http://strijov.com/papers/strijov05mmro.pdf}
}
Стрижов В.В., Шакин В.В. Выбор оптимальной регрессионной модели // Математика. Компьютер. Образование. XII международная конференция. Тезисы докладов, 2005. Inproceedings
Abstract: Широкое практическое применение метода нелинейной оптимизации Левенберга-Марквардта в регрессионном анализе создало базу для разработки алгоритмов синтеза регрессионных моделей, полученных путем композиции гладких функций. Алгоритм, описанный ниже, основан на методе группового учета аргументов А. Г. Ивахненко
BibTeX:
@inproceedings{strijov05macoed,
  author = {Стрижов, В.~В. and Шакин, В.~В.},
  title = {Выбор оптимальной регрессионной модели},
  booktitle = {Математика. Компьютер. Образование. XII международная конференция. Тезисы докладов},
  year = {2005},
  url = {http://strijov.com/papers/macoed05_1.pdf}
}

2003

Strijov V., Shakin V. Index construction: the expert-statistical method // Environmental research, engineering and management, 2003, 26(4) : 51-55. Article
Abstract: This paper deals with the index construction and presents a new technique that involves expert estimations of object indices as well as feature significance weights. An index is calculated as a linear combination of the object's features. Non-supervised methods of the index construction are observed to be compared with the new method. Experts can estimate the index and verify the results. The results are precise valid indices and the reasoned expert estimations. This technique was used in various economical, sociological, and ecological applications. This paper introduces a method of multivariate regression model construction. Here an integral indicator is a regression model with applied restrictions.
BibTeX:
@article{strijov03index,
  author = {Strijov, V. and Shakin, V.},
  title = {Index construction: the expert-statistical method},
  journal = {Environmental research, engineering and management},
  year = {2003},
  volume = {26},
  number = {4},
  pages = {51-55},
  url = {http://strijov.com/papers/10-v_strijov.pdf}
}
Strijov V., Shakin V. Index construction: the expert-statistical method // SIID-2003 international conference proceedings, 2003 : 56-57. Inproceedings
Abstract: There are lots of ways to construct indices. However, when algorithms are chosen and some results obtained, the following question arises: How to show adequacy of the calculated indices? To answer the question analysts invite experts. The experts express their opinion and then the second question arises: How to show that expert estimations are valid?
BibTeX:
@inproceedings{strijov03siid,
  author = {Strijov, V. and Shakin, V.},
  title = {Index construction: the expert-statistical method},
  booktitle = {SIID-2003 international conference proceedings},
  year = {2003},
  pages = {56-57},
  url = {http://strijov.com/papers/siid03.pdf}
}
Стрижов В.В., Шакин В.В. Прогноз и управление в авторегрессионных моделях // Математические методы распознавания образов (ММРО-11). Доклады XI всероссийской конференции, 2003 : 178-181. Inproceedings
Abstract: Векторные авторегрессионные модели и модели на основе одновременных уравнений являются эффективными инструментами макроэкономического анализа. Ранее была построена модель краткосрочного прогноза основных макроэкономических показателей российской экономики с использованием системы линейных одновременных уравнений. В данной работе для прогноза используется векторно-авторегрессионная модель, составленная таким образом, что значения прогнозной функции зависят не только от экзогенных, сценарных воздействий, но и, в частности, от целевого управления. Новая модель позволяет найти оптимальные управляющие воздействия и спрогнозировать состояние объекта управления при оптимальном управлении.
BibTeX:
@inproceedings{strijov03prognoz,
  author = {Стрижов, В.~В. and Шакин, В.~В.},
  title = {Прогноз и управление в авторегрессионных моделях},
  booktitle = {Математические методы распознавания образов (ММРО-11). Доклады XI всероссийской конференции},
  year = {2003},
  pages = {178-181},
  url = {http://strijov.com/papers/mmro11.pdf}
}
Айвазян С.А., Стрижов В.В., Шакин В.В. Об одной задаче макроэкономического управления, 2003. Techreport
Abstract: Рассмотрена так называемая обратная задача макроэкономического управления, т. е. задача определения множества таких траекторий управляемых переменных (инструментов экономической политики), которые, при заданных ограничениях на диапазон варьирования и гладкость управляющих воздействий, обеспечивают выход ключевых индикаторов социально-экономического развития страны (региона) на заданные уровни за определенное число тактов (кварталов, лет). В качестве модели объекта управления выбрана эконометрическая модель экономики России в форме системы одновременных уравнений.
BibTeX:
@techreport{aivazian03macro,
  author = {Айвазян, С.~А. and Стрижов, В.~В. and Шакин, В.~В.},
  title = {Об одной задаче макроэкономического управления},
  year = {2003},
  url = {http://strijov.com/papers/macro1.pdf}
}

2002

Стрижов В.В. Согласование экспертных оценок для биосистем в экстремальных условиях. М.:~ВЦ~РАН, 2002. Book
BibTeX:
@book{strijov02preprint,
  author = {Стрижов, В.~В.},
  title = {Согласование экспертных оценок для биосистем в экстремальных условиях},
  publisher = {М.:~ВЦ~РАН},
  year = {2002},
  url = {strijov280502.pdf}
}
Молак В., Стрижов В.В., Шакин В.В. Киото-индекс электростанций США // Математика. Компьютер. Образование. IX международная конференция. Тезисы докладов, 2002 : 292. Inproceedings
Abstract: Киото-индекс имеет непосредственное отношение к применению многокритериальной оценки риска к некоторым относящимся к окружающей среде и экономическим аспектам производства, поставки и дистрибуции электрической энергии. Эти аспекты описаны посредством набора параметров, или индикаторов, для формирования потребительского спроса – управления пользовательским спросом. Параметры содержат показатель эффективности использования электроэнергии, равный отношению сэкономленной энергии ко всей проданной, возобновляемое отношение энергии, которое равно энергии, произведенной с использованием возобновляемых ресурсов, ко всей произведенной, показатели влияния производства энергии на здоровье людей и на глобальные изменения климата, связанные с парниковыми газами, NOx, SO2, взвешенными частицами, парами ртути и другими токсическими веществами, с количеством и типом опасных отходов производства энергии, типом топлива, которое используется в производстве электрической энергии. Учитываются экологические эффекты, как-то: нагревание окружающей среды, кислотный дождь, воздействие на озера и другие экосистемы, на культурное наследие, катастрофический потенциал, например, у атомной электростанции или большой дамбы, и т.д.
BibTeX:
@inproceedings{molak02usa,
  author = {Молак, В. and Стрижов, В.~В. and Шакин, В.~В.},
  title = {Киото-индекс электростанций США},
  booktitle = {Математика. Компьютер. Образование. IX международная конференция. Тезисы докладов},
  year = {2002},
  pages = {292},
  url = {http://strijov.com/papers/kimacoed.pdf}
}
Стрижов В.В., Шакин В.В. Согласование экспертных оценок в ранговых шкалах // Интеллектуализация обработки информации. Тезисы докладов Международной научной конференции, 2002 : 82-83. Inproceedings
Abstract: Предлагается метод, позволяющий получить непротиворечивые оценки объектов и показателей, при условии, что с экспертными оценками разрешены любые преобразования, сохраняющие порядок.
BibTeX:
@inproceedings{strijov02ioi,
  author = {Стрижов, В.~В. and Шакин, В.~В.},
  title = {Согласование экспертных оценок в ранговых шкалах},
  booktitle = {Интеллектуализация обработки информации. Тезисы докладов Международной научной конференции},
  year = {2002},
  pages = {82-83},
  url = {http://strijov.com/papers/ioi2002.pdf}
}
Стрижов В.В., Шакин В.В. Согласование экспертных оценок в ранговых шкалах // Математика. Компьютер. Образование. IX международная конференция. Тезисы докладов, 2002 : 148. Inproceedings
Abstract: Рассмотрена задача согласования экспертных оценок при анализе эффективности управления заповедниками. Каждый объект (заповедник) можно оценить двумя путями: непосредственно через экспертную оценку и через взвешенную сумму значений показателей объекта, где веса определяются экспертными оценками показателей. В общем случае эти оценки различны. Описан метод, позволяющий получить непротиворечивые оценки объектов и показателей при том условии, что экспертами выставлены оценки объектов и показателей с точностью до любых преобразований, сохраняющих порядок множества оценок.
BibTeX:
@inproceedings{strijov02macoed,
  author = {Стрижов, В.~В. and Шакин, В.~В.},
  title = {Согласование экспертных оценок в ранговых шкалах},
  booktitle = {Математика. Компьютер. Образование. IX международная конференция. Тезисы докладов},
  year = {2002},
  pages = {148},
  url = {http://strijov.com/papers/macoed.pdf}
}
Стрижов В.В. Согласование экспертных оценок при построении интегральных индикаторов (автореферат). Вычислительный центр РАН, 2002 : 24. Phdthesis
Abstract: В данной работе описано три подхода к построению интегрального индикатора. С помощью процедуры построения интегрального индикатора без учителя был получен интегральный индикатор, который, по мнению экспертов, оказался неудовлетворительным. Согласно второму подходу, интегральный индикатор строился с учителем, как взвешенная сумма измерений показателей каждого объекта. По-видимому, веса назначались неверно, что также приводило к результатам, спорным с точки зрения экспертов. Предлагаемый подход имеет целью согласовать экспертные оценки и заключается в поиске компромиссного решения. Согласно этому подходу, экспертам предоставляется возможность разрешить противоречие между интегральными индикаторами объектов, весами показателей и измеряемыми данными.
BibTeX:
@phdthesis{strijov02phdreferat,
  author = {Стрижов, В.~В.},
  title = {Согласование экспертных оценок при построении интегральных индикаторов (автореферат)},
  school = {Вычислительный центр РАН},
  year = {2002},
  pages = {24},
  note = {Автореферат},
  url = {http://strijov.com/papers/concorda.pdf}
}
Стрижов В.В. Согласование экспертных оценок при построении интегральных индикаторов. Вычислительный центр РАН, 2002 : 24. Phdthesis
Abstract: Структура диссертации. Во введении описана актуальность и цели работы. Приведен обзор литературы, посвященной данной тематике. В первом разде- ле описаны известные способы нахождения интегрального индикатора без обуча- ющей выборки. Во втором разделе описаны предложенные процедуры согласования экспертных оценок и регуляризации оператора, отображающего вектор из пространства экспертных оценок весов показателей в пространство интегральных индикаторов. В третьем разделе описана предложенная модель управления с обратной связью, в рамках которой оценивается эффективность работы заповедников и описаны результаты вычисления интегрального индикатора с использованием данных ежегодных отчетов заповедников и экспертных оценок. Четвертый раздел посвящен обсуждению процедур нахождения интегральных индикаторов и полученных результатов. В заключении подведены итоги работы по оценке эффективности управления заповедниками.
BibTeX:
@phdthesis{strijov02phdthesis,
  author = {Стрижов, В.~В.},
  title = {Согласование экспертных оценок при построении интегральных индикаторов},
  school = {Вычислительный центр РАН},
  year = {2002},
  pages = {24},
  url = {http://strijov.com/papers/concorda.pdf}
}
Strijov V. Планирование разработки электронных устройств, 2002 : 2. Techreport
BibTeX:
@techreport{strijov02RnDelektron,
  author = {Strijov, V.},
  title = {Планирование разработки электронных устройств},
  year = {2002},
  pages = {2},
  url = {http://strijov.com/papers/RnD_elektron.pdf}
}
Стрижов В.В., соавт. Элементы методолгии оценки эффективности вузовской науки. Часть~1., 2002 : 7. Techreport
Abstract: В рассматриваемой методике поставлены две задачи. Во-первых, произвести сравнительный анализ вузов, что было сделано посредством выставления экспертных оценок каждой из вузовских работ с последующей классификацией вузов. Во-вторых, поставлена задача оценить вклад вузовской науки в общероссийскую. Этот вклад оценивается следующим образом. Для заданной критической технологии строятся два сравнимых интегральных показателя показатель эффективности вузовских и показатель эффективности общероссийских научных работ. Искомая оценка является отношением этих двух показателей. В данные интегральных показатели в качестве базовых должны войти как показатели качества, так и показатели объема, или количества научных работ. Качество научных работ в данной методике описывается набором, а объем работ оценивается экспертами. По результатам экспертизы была найдена доля вузовских научных работ в общероссийских и, в соответствии с этой оценкой сделано утверждении о необходимости пересмотра бюджета финансирования вузовской науки.
BibTeX:
@techreport{strijov02effect1,
  author = {Стрижов, В.~В. and соавт.},
  title = {Элементы методолгии оценки эффективности вузовской науки. Часть~1.},
  year = {2002},
  pages = {7},
  url = {http://strijov.com/papers/part1ver1.pdf}
}
Стрижов В.В., соавт. Элементы методолгии оценки эффективности вузовской науки. Часть~2., 2002 : 7. Techreport
Abstract: Оценка эффективности научных работ вузов в данной работе функционально связывается с целевым и эффективным использованием средств федерального бюджета и внебюджетных источников высшими учебными заведениями и научными организациями Министерства образования Российской Федерации. Вузовская наука представляет собой сложную социально- экономическую систему. Оценку научно-исследовательской работы вуза, по мнению авторов, следует проводить исключительно по результатам проведенных вузом исследований.
BibTeX:
@techreport{strijov02effect2,
  author = {Стрижов, В.~В. and соавт.},
  title = {Элементы методолгии оценки эффективности вузовской науки. Часть~2.},
  year = {2002},
  pages = {7},
  url = {http://strijov.com/papers/part2ver2.pdf}
}
Стрижов В.В., Шакин В.В. Ранжирование объектов в разнородных шкалах, 2002 : 8. Techreport
BibTeX:
@techreport{strijov02ranks,
  author = {Стрижов, В.~В. and Шакин, В.~В.},
  title = {Ранжирование объектов в разнородных шкалах},
  year = {2002},
  pages = {8},
  url = {http://strijov.com/papers/multiscales_indicatros.pdf}
}

2001

Strijov V., Shakin V. An algorithm for clustering of the phase trajectory of a dynamic system // Mathematical Communications, Supplement, 2001, 1 : 159-165. Article
Abstract: This paper describes an algorithm of quantitative analysis of the dynamic system behavior. The system behavior is represented as a multivariate phase trajectory. The algorithm clusters the trajectory to satisfy the requirement of the local space dimension. The set of the clusters is represented as an unbalanced tree. The phase trajectory of the Lorenz attractor is examined as a test problem to demonstrate the algorithm. The analysis is intended to describe the behavior of various living systems. The method of the space reduction for the piecewise linear regression models was proposed.
BibTeX:
@article{strijov01clustering,
  author = {Strijov, V. and Shakin, V.},
  title = {An algorithm for clustering of the phase trajectory of a dynamic system},
  journal = {Mathematical Communications, Supplement},
  year = {2001},
  volume = {1},
  pages = {159-165},
  url = {http://strijov.com/papers/koi2000a.pdf}
}
Карюхин Э.В., Шакин В.В., Стрижов В.В., Матюнин Е.С., Изгачева Т.С., Казакова Т.В. Математическое моделирование геронтологической поддерживающей организации // Клиническая геронтология. Научно-практический рецензируемый журнал. М.: Ньюдиамед, 2001, 7(8) : 89. Article
BibTeX:
@article{karioukhin01model,
  author = {Карюхин, Э.~В. and Шакин, В.~В. and Стрижов, В.~В. and Матюнин, Е.~С. and Изгачева, Т.~С. and Казакова, Т.~В.},
  title = {Математическое моделирование геронтологической поддерживающей организации},
  journal = {Клиническая геронтология. Научно-практический рецензируемый журнал},
  publisher = {М.: Ньюдиамед},
  year = {2001},
  volume = {7},
  number = {8},
  pages = {89}
}
Стрижов В.В. Применение двунапавленных микросхем CBT // Схемотехника, 2001, 2 : 18-19. Article
BibTeX:
@article{strijov01cbt,
  author = {Стрижов, В.~В.},
  title = {Применение двунапавленных микросхем CBT},
  journal = {Схемотехника},
  year = {2001},
  volume = {2},
  pages = {18-19},
  url = {http://strijov.com/papers/cbt.pdf}
}
Стрижов В.В. Шинные стабилизаторы для микросхем КМОП // Схемотехника, 2001, 2 : 20-21. Article
Abstract: Часто встречающаяся проблема при создании цифровых схем – наличие входов, на которых нет сигнала, или на которых входной сигнал изменяется слишком медленно. При использовании микросхем КМОП и БиКМОП, оставленные без подключения входы могут вызвать эффект осцилляции, причем потребление тока при этом очень сильно увеличивается. Для микросхем серии ТТЛ оставленный свободным вход не является объектом риска – на входах ТТЛ устанавливается устойчивая логическая единица. Вход микросхем КМОП имеет очень высокое сопротивление и трудно заранее предсказать, как микросхема будет реагировать на отсутствие сигнала, если нет детальной схемы входа микросхемы.
BibTeX:
@article{strijov01cmos,
  author = {Стрижов, В.~В.},
  title = {Шинные стабилизаторы для микросхем КМОП},
  journal = {Схемотехника},
  year = {2001},
  volume = {2},
  pages = {20-21},
  url = {http://strijov.com/papers/kmop.pdf}
}
Стрижов В.В. Подключение модулей к работающему устройству // Схемотехника, 2001, 5 : 15-18. Article
BibTeX:
@article{strijov01live,
  author = {Стрижов, В.~В.},
  title = {Подключение модулей к работающему устройству},
  journal = {Схемотехника},
  year = {2001},
  volume = {5},
  pages = {15-18},
  url = {http://strijov.com/papers/s15-18.pdf}
}
Матюнин Е.С., Изгачева Т.С., Казакова Т.В., Карюхин Э.В., Стрижов В.В., Шакин В.В. Математическое моделирование и информационная поддержка геронтологических организаций. М.:~ВЦ~РАН, 2001 : 79. Book
BibTeX:
@book{matunin01ccas,
  author = {Матюнин, Е.~С. and Изгачева, Т.~С. and Казакова, Т.~В. and Карюхин, Э.~В. and Стрижов, В.~В. and Шакин, В.~В.},
  title = {Математическое моделирование и информационная поддержка геронтологических организаций},
  publisher = {М.:~ВЦ~РАН},
  year = {2001},
  pages = {79}
}
Molak V., Shakin V., Strijov V. Kyoto Index for the Power Plants in the USA // The 3-rd Moscow International Conference On Operations Research (ORM2001), 2001 : 80. Inproceedings
BibTeX:
@inproceedings{molak01kioto,
  author = {Molak, V. and Shakin, V. and Strijov, V.},
  title = {Kyoto Index for the Power Plants in the USA},
  booktitle = {The 3-rd Moscow International Conference On Operations Research (ORM2001)},
  year = {2001},
  pages = {80}
}
Зубаревич Н.В., Тикунов В.C., Крепец В.В., Стрижов В.В., Шакин В.В. Многовариантные методы интегральной оценки развития человеческого потенциала в регионах Российской Федерации // ГИС для устойчивого развития территорий. Материалы Международной конференции, 2001 : 84-105. Inproceedings
BibTeX:
@inproceedings{tikunov01gis,
  author = {Зубаревич, Н.~В. and Тикунов, В.~C. and Крепец, В.~В. and Стрижов, В.~В. and Шакин, В.~В.},
  title = {Многовариантные методы интегральной оценки развития человеческого потенциала в регионах Российской Федерации},
  booktitle = {ГИС для устойчивого развития территорий. Материалы Международной конференции},
  year = {2001},
  pages = {84-105}
}
Стрижов В.В., Шакин В.В. Согласование экспертных оценок // Математические методы распознавания образов (ММРО-10), Доклады X~всероссийской конференции, 2001 : 137-138. Inproceedings
Abstract: Рассмотрена задача согласования экспертных оценок. Задана матрица измерений показателей объектов. Каждому объекту поставлена в соответствие экспертная оценка а каждому показателю поставлена в соответствие экспертная оценка. Объекты можно оценить двумя путями: непосредственно через исходную экспертную оценку и через взвешенную сумму показателей объекта. В общем случае эти оценки различны. Пусть для данного линейного оператора существует псевдообратный оператор. Тогда, с помощью исходной экспертной оценки объектов найдем веса показателей. Оценим степень разногласия исходных и вычисленных оценок.
BibTeX:
@inproceedings{strijov01mmro,
  author = {Стрижов, В.~В. and Шакин, В.~В.},
  title = {Согласование экспертных оценок},
  booktitle = {Математические методы распознавания образов (ММРО-10), Доклады X~всероссийской конференции},
  year = {2001},
  pages = {137-138},
  url = {http://strijov.com/papers/mmro10.pdf}
}
Стрижов В.В., Шакин В.В., Благовидов В.В. Согласование экспертных оценок при анализе эффективности управления заповедниками // Применение многомерного статистического анализа в экономике и оценке качества. Тезисы докладов, 2001 : 30. Inproceedings
BibTeX:
@inproceedings{strijov01cemi,
  author = {Стрижов, В.~В. and Шакин, В.~В. and Благовидов, В.~В.},
  title = {Согласование экспертных оценок при анализе эффективности управления заповедниками},
  booktitle = {Применение многомерного статистического анализа в экономике и оценке качества. Тезисы докладов},
  year = {2001},
  pages = {30},
  url = {http://strijov.com/papers/cemi2001.pdf}
}
Стрижов В.В., Шакин В.В. Алгоритм кластеризации фазовой траектории динамических систем, 2001 : 5. Techreport
Abstract: В этой работе описан алгоритм для качественного анализа фазовых траекторий динамических систем.
BibTeX:
@techreport{strijov01clusteringrus,
  author = {Стрижов, В.~В. and Шакин, В.~В.},
  title = {Алгоритм кластеризации фазовой траектории динамических систем},
  year = {2001},
  pages = {5},
  url = {http://strijov.com/papers/lorenz-ru.pdf}
}
Стрижов В.В., Шакин В.В., Благовидов В.В. Согласование экспертных оценок при анализе эффективности управления заповедниками, 2001 : 11. Techreport
Abstract: Рассмотрена задача согласования экспертных оценок. Заданы множество объектов и множество показателей. Каждому объекту и каждому показателю поставлена в со- ответствие экспертная оценка. Задана матрица измерений объектов по всем показателям. Каждый объект можно оценить двумя путями: непосредственно через экспертную оценку и через взвешенную сумму значений показателей объекта, где веса определяются экспертными оценками показателей. В общем случае эти оценки различны. Описан метод, позволяющий получить непротиворечивые экспертные оценки объектов и показателей. Метод проиллюстрирован задачей по оценке эффективности работы заповедников России.
BibTeX:
@techreport{strijov01ar,
  author = {Стрижов, В.~В. and Шакин, В.~В. and Благовидов, В.~В.},
  title = {Согласование экспертных оценок при анализе эффективности управления заповедниками},
  year = {2001},
  pages = {11},
  note = {Текст доклада},
  url = {http://strijov.com/papers/cemi01ar.pdf}
}
Стрижов В.В., Шакин В.В., Благовидов В.В. Модель управления особо охраняемыми природными территориями, 2001 : 7. Techreport
Abstract: Рассматривается модель управления ООПТ с обратной связью и с двумя участниками процесса управления – субъектом и объектом. Субъект управления назначает цели управления, и, в соответствии с этими целями и с состоянием объекта управления, выбирает один из множества допустимых вариантов управления. Во время процесса управления производится мониторинг показателей объекта управления. Результатом мониторинга являются данные, зависящие от состояния объекта, вид зависимости известен. Описанная модель использует данные ежегодных отчетов ООПТ и экспертные оценки состояния ООПТ.
BibTeX:
@techreport{strijov01model,
  author = {Стрижов, В.~В. and Шакин, В.~В. and Благовидов, В.~В.},
  title = {Модель управления особо охраняемыми природными территориями},
  year = {2001},
  pages = {7},
  note = {Рукопись},
  url = {http://strijov.com/papers/pamodel.pdf}
}

2000

Стрижов В.В. Генераторы прямоугольных импульсов на микросхемах КМОП // Схемотехника, 2000, 3 : 25-26. Article
Abstract: Рассмотрены генераторы КМОП на кварцевом резонатор, схема на инверторе КМОП и кварцевом резонаторе, работа генератора на больших частотах, генераторы, работающие на частотах обертонов.
BibTeX:
@article{strijov00cmosgen,
  author = {Стрижов, В.~В.},
  title = {Генераторы прямоугольных импульсов на микросхемах КМОП},
  journal = {Схемотехника},
  year = {2000},
  volume = {3},
  pages = {25-26},
  url = {http://strijov.com/papers/gen_prym.pdf}
}
Стрижов В.В. Поведение микросхем при пониженном напряжении питания // Схемотехника, 2000, 2 : 32-33. Article
BibTeX:
@article{strijov00lowvoltage,
  author = {Стрижов, В.~В.},
  title = {Поведение микросхем при пониженном напряжении питания},
  journal = {Схемотехника},
  year = {2000},
  volume = {2},
  pages = {32-33}
}
Стрижов В.В. Самый простой интерфейс для PCI // Схемотехника, 2000, 1 : 55-57. Article
Abstract: При отладке полнофункционального интерфейса для шины PCI важно знать, как на практике работает его ядро. Самый простой интерфейс, который может представлять практический интерес как самостоятельное устройство или как стартовое устройство для дальнейшей отладки, можно сделать довольно быстро.
BibTeX:
@article{strijov00pci,
  author = {Стрижов, В.~В.},
  title = {Самый простой интерфейс для PCI},
  journal = {Схемотехника},
  year = {2000},
  volume = {1},
  pages = {55-57},
  url = {http://strijov.com/papers/pci.pdf}
}
Стрижов В.В. Логические микросхемы с напряжением питания 3,3 В // Схемотехника, 2000, 3 : 14-15. Article
Abstract: К появлению микросхем с напряжением питания 3.3 В привели следующие причины: 1) Потребность сократить потребляемую энергию, не теряя при этом производительности. Этому способствовало появление карманных электронных устройств. 2) Желание увеличить плотность компоновки кристалла за счет уменьшения размеров транзисторов. Особенно сильно плотность компоновки влияла намикросхемы памяти. Сегодня микросхемы ОЗУ большого объема выпускаются преимущественно с напряжением питания 3В и требуют для себя соответствующего интерфейсного окружения. 3) Желание сделать работу микросхем более стабильной и снизить количество рассеиваемой в виде тепла энергии.
BibTeX:
@article{strijov00treevolt,
  author = {Стрижов, В.~В.},
  title = {Логические микросхемы с напряжением питания 3,3 В},
  journal = {Схемотехника},
  year = {2000},
  volume = {3},
  pages = {14-15},
  url = {http://strijov.com/papers/log_micro.pdf}
}
Strijov V., Shakin V. An algorithm for clustering of the phase trajectory of a dynamic system // 8-th International Conference on Operational Research, KOI-2000, 2000 : 35. Inproceedings
Abstract: This paper describes an approach to quantitative analysis of multivariate dynamic system in phase space. The system is used as mathematical model for various living systems. The model is used in various applications. One of the related problems is to represent a phase trajectory as a sequence of clusters to classify the system's state.
BibTeX:
@inproceedings{strijov00koi,
  author = {Strijov, V. and Shakin, V.},
  title = {An algorithm for clustering of the phase trajectory of a dynamic system},
  booktitle = {8-th International Conference on Operational Research, KOI-2000},
  year = {2000},
  pages = {35},
  url = {http://strijov.com/papers/koi2000.pdf}
}

1999

Стрижов В.В. Программное обеспечение для исследования фазовых траекторий // Проблемы управления безопасностью сложных систем. Материалы VII международной конференции, 1999 : 156-157. Inproceedings
BibTeX:
@inproceedings{strijov99rggu,
  author = {Стрижов, В.~В.},
  title = {Программное обеспечение для исследования фазовых траекторий},
  booktitle = {Проблемы управления безопасностью сложных систем. Материалы VII международной конференции},
  year = {1999},
  pages = {156-157},
  url = {http://strijov.com/papers/safety99.pdf}
}
Стрижов В.В., Шакин В.В. Программное обеспечение для исследования фазовых траекторий // Математические методы распознавания образов (ММРО-9). Доклады IX всероссийской конференции, 1999 : 227-230. Inproceedings
Abstract: Разработано программное обеспечение для приближенного описания траектории автономной динамической системы в N-мерном фазовом пространстве параметров. Описание системы отыскивается в виде последовательности областей объемлющего конечномерного вещественного пространства, содержащих в некотором приближении траекторию системы. Один из предлагаемых алгоритмов описания системы состоит в том, чтобы вначале аппроксимировать часть исходной фазовой траектории линейным сплайном, а затем найти размерность и границы области фазового пространства, например, с помощью сингулярного разложения соответствующей подматрицы данных.
BibTeX:
@inproceedings{strijov99soft,
  author = {Стрижов, В.~В. and Шакин, В.~В.},
  title = {Программное обеспечение для исследования фазовых траекторий},
  booktitle = {Математические методы распознавания образов (ММРО-9). Доклады IX всероссийской конференции},
  year = {1999},
  pages = {227-230},
  url = {http://strijov.com/papers/mmro9.pdf}
}

1997

Стрижов В.В. Интегральные схемы фирмы Моторола для приложений телевидения, видео, мультимедиа (обзор). Москва: Motorola GmbH, 1997 : 75. Book
Abstract: В обзоре рассказывается об устройстве мультимедийных и видео приборов и об интегральных схемах, которые в этих приборах используются. Обзор поделен на несколько разделов. В первом разделе описаны некоторые мультимедийные приложения. В остальных разделах рассматривается группы интегральных схем, на которых основаны модули тех или иных приборов. Каждый такой раздел состоит из небольшого введения, в котором показано место интегральных схем в модуле. После введения идут краткие описания самих схем. Всего в обзоре восемь разделов: Введение, Устройства кодирования и декодирования, ИС телевизионных мониторов, Источники питания, Аналого-цифровые и цифро-аналоговые преобразователи, Процессоры для систем мультимедиа, Контроллеры проигрывателей CD-I и Видео CD, Знакогенераторы и драйверы жидкокристаллических экранов. В конце обзора напечатаны адреса дилеров и технических центров фирмы Motorola.
BibTeX:
@book{strijov97motorola,
  author = {Стрижов, В.~В.},
  title = {Интегральные схемы фирмы Моторола для приложений телевидения, видео, мультимедиа (обзор)},
  publisher = {Москва: Motorola GmbH},
  year = {1997},
  pages = {75},
  url = {http://strijov.com/papers/motmult.pdf}
}

1996

Стрижов В.В. Конфигурируемые процессоры для визуализации биомедицинских данных // Биосистемы в экстремальных условиях. М.:~ВЦ~РАН, 1996 : 47-50. Incollection
Abstract: Часто при решении задач цифровой обработки сигналов ставятся жесткие требования к производительности компьютера. Например, желательно выделять полезную информацию из видеосигнала в момент его ввода, избегая решений, когда сигнал сначала сохраняется, а затем обрабатывается процессором. Обычно производительности процессора не хватает, и алгоритм обработки сигнала упрощается программистами до такой степени, что он теряет свою эффективность. Другой выход из положения~--- использование специализированного процессора, который умеет выполнять только один алгоритм. Но в этом случае страдают те исследователи, которые хотят использовать разные алгоритмы для обработки сигнала с разными параметрами. Естественное решение в таком случае~--- синтезировать процессор непосредственно перед выполнением алгоритма, который будет работать в системе, не имеющей заранее известной архитектуры.
BibTeX:
@incollection{strijov08biorecon,
  author = {Стрижов, В.~В.},
  editor = {Шакина, В.~В},
  title = {Конфигурируемые процессоры для визуализации биомедицинских данных},
  booktitle = {Биосистемы в экстремальных условиях},
  publisher = {М.:~ВЦ~РАН},
  year = {1996},
  pages = {47-50},
  url = {http://strijov.com/papers/biorecon.pdf}
}