Разладкой во временном ряду называется изменение вероятностного распределения, из которого приходят данные. Подобные ситуации являются признаком того, что природа процесса изменилась. В данной работе рассматривается задача детектирования разладок в случае многих конечных распределений данных. Для ее решения была применена рекуррентная нейронная сеть со специализрованной функцией потерь. Данный подход позволяет успешно решать задачи с количеством типов разладок, доходящим до 10.  

В работе предлагается алгоритм восстановления фазы квазипериодического сигнала движения человека, который основан на представлении исходного временного ряда в фазовом пространстве. Предлагается критерий выбора оптимальной размерности траекторного пространства. Результаты работы проверяются на сигналах, полученных с трехосевого акселерометра. Для сравнения используются пять классов периодического движения человека и другие известные способы восстановления фазы.

В этой работе мы предлагаем использовать для решения задачи обнаружения разладки архитектуры на основе механизма внимания. Этот механизм позволяет учитывать отношения между всеми парами элементов. Маска механизма внимания позволяет снизить количество вычислений в модели и получить более устойчивые оценки параметров. Мы проанализировали несколько масок механизма внимания и пришли к выводу, что использование трансформеров с механизмом внимания улучшает результаты.

В работе рассмотрена классическая задача распределенной оптимизации, модернизированная для частного случая сети компьютеров, которые могут коммуницировать между собой, и улучшены оценки скорости работы существующих для данного типа задач алгоритмов.

В этой работе обсуждается проблема построения модели для фиксированного класса квазипериодических сигналов.
Для перехода в фазовое пространство временной ряд векторизуется с помощью метода задержек.
Для понижения сложности модели в фазовом пространстве выбирается подпространство.
Фазовая траектория в полученном подпространстве аппроксимируется с помощью сферических гармоник.
Радиус восстанавливается с помощью линейной модели.
Эксперимент проведен на измерениях акселерометра мобильного устройства.

В данной работе рассматривается SDR навигационный приемник с облачной обработкой данных. Вся обработка данных в таком приемнике должна вестись в облаке. В работе рассматриватся целесообразность слежения за сигналом по аналогии с работой навигационного приемника без применения облачных вычислений. Выявлено, что на частотах вывода результата 1 Гц и менее слежение нецелесообразно, а целесообрано применение Snapshot приемника.

В рамках работы изучаются методы оценки энтропии и взаимной информации случайных векторов большой размерности путём сжатия с потерями при помощи автокодировщика. Проводится эксперементальный анализ предложенных методов на примере синтетических и реальных данных. Также при помощи полученных эстиматоров производится исследование процесса обучения классификатора рукописных цифр на основе свёрточных нейронных сетей, делается вывод о существовании двух стадий обучения: "подгонка" и "сжатие".

В последнее время множество задач из области машинного обучения стали решать с помощью максимизации субмодулярных функций. В основном для этого используются жадный алгоритм и его модификации, не гарантирующие нахождение оптимального решения. Однако существует теория, описывающая свойства локальных экстремумов субмодулярной функции, благодаря которой может быть построен эффективный алгоритм для решения этой задачи. Мы успешно применили такой подход для задачи суммаризации текстого документа.

Q-поиск: удачный метод для задачи безусловной минимизации

Методика "профильного анализа невыпуклой функции многих переменных"

Численное решение задачи оптимального управления манипулятором промышленного робота

Численное решение свойств алгоритма опыления цветков для решения зада нелокальной оптимизации