• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Найдено 55 939 публикаций
Сортировка:
по названию
по году
Статья
Turlapov V. E., Юсов Е. Programming and Computer Software. 2008. Vol. 34. No. 5. P. 245-256.
Добавлено: 1 ноября 2008
Статья
Savchenko A. Optical Memory and Neural Networks (Information Optics). 2012. Vol. 21. No. 4. P. 219-226.

В рамках математического аппарата вероятностных нейронных сетей рассмотрена задача распознавания объектов по видеоизображению. Исследованы ее решения на основе построения коллектива решающих правил. Предложена оценка апостериорной вероятности принадлежности  объекта к заданному классу для произвольного расстояния и метода ближайшего соседа. Показано, что эта оценка эквивалентна оптимальной наивной байесовской оценке, полученной для вероятностной нейронной сети с прямоугольной кернел-функцией, если в качестве меры близости используется информационное рассогласование Кульбака-Лейблера. Представлена блок-схема системы распознавания объектов из видео потока с автоматической адаптацией подаваемого на вход комитета классификаторов списка изображений идентичных объектов. Приведены результаты ее экспериментального исследования в задаче распознавания лиц для распространенных баз данных (FERET, AT&T, Yale).

Добавлено: 18 января 2013
Статья
Brav C. I., Bussi V., Joyce D. Journal of the American Mathematical Society. 2018.
Добавлено: 16 октября 2018
Статья
Brav C. I., Ben-Bassat O., Bussi V. et al. Geometry and Topology. 2015. Vol. 19. No. 3. P. 1287-1359.
Добавлено: 16 октября 2018
Статья
Arkhipov I. Nouvelles assyriologiques brèves et utilitaires. 2018. No. 2. P. 76-76.
Добавлено: 1 августа 2018
Статья
Gushchin A. A., Küchler U. Bernoulli: a journal of mathematical statistics and probability. 2001. Vol. 7. No. 4. P. 629-632.

We strengthen the convergence result in our paper, ibid. 5, No. 6, 1059-1098 (1999; Zbl 0983.62049), proving the local asymptotic mixed normality property in one of the 11 cases considered in that paper.

Добавлено: 9 октября 2013
Статья
Feigin B. L., Jimbo M., Loktev S. et al. The Ramanujan Journal. 2003. Vol. 7. No. 4. P. 519-530.
Добавлено: 31 мая 2010
Статья
Belomestny D., Joshi M., Schoenmakers J. Finance and Stochastics. 2015. Vol. 19. No. 3. P. 681-684.

In this note, we show how the dual approach in its particular form presented in Andersen and Broadie (Manag. Sci. 50:1222–1234, 2004) can be fitted into the framework of the recent work (Belomestny et al., Finance Stoch. 17:717–742, 2013).

Добавлено: 28 июля 2015
Статья
Vassiliev V., Arnold V. Notices of the American Mathematical Society. 1990. Vol. 37. No. 2.
Добавлено: 28 мая 2010
Статья
Belomestny D., Kraetschmer V. Annals of Applied Probability. 2017. Vol. 2. No. 27. P. 1289-1293.
Добавлено: 22 сентября 2017
Статья
Arzhantsev I., Romaskevich E. Proceedings of the American Mathematical Society. 2017. Vol. 145. No. 5. P. 1865-1879.
Добавлено: 22 февраля 2017
Статья
Mirkin B. Journal of Classification. 1987. No. 2.
Добавлено: 1 ноября 2010
Статья
Tsygan B., Feigin B. L. Lecture Notes in Mathematics. 1987. Vol. 1289. P. 67-209.
Добавлено: 2 июня 2010
Статья
N. A. Chirkova, K. V. Vorontsov. Journal of machine learning and data analysis. 2016. Vol. 2. No. 2. P. 187-200.
Добавлено: 19 октября 2017
Статья
K. V. Vorontsov. Journal of machine learning and data analysis. 2016. Vol. 2. No. 2. P. 187-200.
Добавлено: 19 октября 2017
Статья
Vorontsov K. V. Доклады Академии наук. 2014. Vol. 89. No. 3. P. 301-304.
Добавлено: 5 декабря 2014
Статья
Vorontsov K. V., Potapenko A. Machine Learning. 2015. Vol. 101. No. 1. P. 303-323.

Probabilistic topic modeling of text collections has been recently developed mainly within the framework of graphical models and Bayesian inference. In this paper we introduce an alternative semi-probabilistic approach, which we call additive regularization of topic models (ARTM). Instead of building a purely probabilistic generative model of text we regularize an ill-posed problem of stochastic matrix factorization by maximizing a weighted sum of the log-likelihood and additional criteria. This approach enables us to combine probabilistic assumptions with linguistic and problem-specific requirements in a single multi-objective topic model. In the theoretical part of the work we derive the regularized EM-algorithm and provide a pool of regularizers, which can be applied together in any combination. We show that many models previously developed within Bayesian framework can be inferred easier within ARTM and in some cases generalized. In the experimental part we show that a combination of sparsing, smoothing, and decorrelation improves several quality measures at once with almost no loss of the likelihood.

Добавлено: 19 февраля 2015
Статья
Mirkin B., Nascimento S. Information Sciences. 2012. No. 183. P. 16-34.
An additive spectral method for fuzzy clustering is proposed. The method operates on a clustering model which is an extension of the spectral decomposition of a square matrix. The computation proceeds by extracting clusters one by one, which makes the spectral approach quite natural. The iterative extraction of clusters, also, allows us to draw several stopping rules to the procedure. This applies to several relational data types differently normalized: network structure data (the first eigenvector subtracted), affinity between multidimensional vectors (the pseudo-inverse Laplacian transformation), and conventional relational data including in-house data of similarity between research topics according to working of a research center. The method is experimentally compared with several classic and recent techniques and shown to be competitive.
Добавлено: 16 ноября 2012
Статья
Mirkin B., Hubert L., Arabie P. Journal of Classification. 1995. No. 12(2).
Добавлено: 29 октября 2010
Статья
Beaudou L., Bondy A., Chen X. et al. Electronic Journal of Combinatorics. 2015. Vol. 22. No. 1. P. 1-6.
Добавлено: 11 апреля 2019
Статья
Mosurovic M., Krdzavac N., Graves H. et al. Journal of Artificial Intelligence Research. 2013. Vol. 47. P. 809-851.

We design a decidable extension of the description logic SROIQ underlying the Web Ontology Language OWL 2. The new logic, called SR+OIQ, supports a controlled use of role axioms whose right-hand side may contain role chains or role unions. We give a tableau algorithm for checking concept satisfiability with respect to SR+OIQ ontologies and prove its soundness, completeness and termination.

Добавлено: 25 марта 2015