Сравнение эффективности ядер SVM-классификатора для различения пола на основе структурных коннектом

Додонова Ю.; Петров Д.; Л. Е. Жуков

?

Сравнение эффективности ядер SVM-классификатора для различения пола на основе структурных коннектом

С. 1–13.

Додонова Ю., Петров Д., Жуков Л. Е.

Мы решаем задачу различения пола на основе структурных коннектом с помощью метода опорных векторов с 16 различными ядрами и тремя нормировками исходных данных. Для каждого из ядер и для каждой из нормировок мы сравниваем точность классификации с помощью площади под ROC-кривой. Лучшие результаты – 0.77, дают гауссово и полиномиальные ядра на графах длин кратчайших путей на бинаризованных исходных данных.

Язык: русский

Полный текст

Текст на другом сайте

Ключевые слова: метод опорных векторов Brain networks SVM ядерные методы на графах сетевые структуры мозга

В книге

"Информационные технологии и системы 2015" 39-я междисциплинарная школа-конференция 7 – 11 сентября, Олимпийская деревня, Сочи, Россия

St. Petersburg: Институт проблем передачи информации им. А.А. Харкевича РАН, 2015.

A textual fingerprint learning model to detect fake information spreaders in social networks

Бехзадидуст Р., Neurocomputing 2025 Vol. 665 P. 1–21

Добавлено: 12 марта 2026 г.

Reconstruction of Words, Syllables, and Phonemes of Internal Speech by EEG Activity

Suyuncheva A., Saada D., Gavrilenko Y. и др., Advances in Intelligent Systems and Computing 2021 Vol. 1358 P. 319–328

Добавлено: 2 октября 2025 г.

Разработка алгоритма детектирования медленной пик-волновой активности при бессудорожных формах эпилепсии

Белокопытов А. С., Макарова М. М., Саламатин М. И. и др., Известия высших учебных заведений. Прикладная нелинейная динамика 2024 Т. 32 № 2 С. 223–238

. Цель данного исследования заключается в разработке классификатора, способного в режиме реального времени определять типичные абсансы на основе данных электроэнцефалограммы, с использованием модели опорных векторов. Методы. Для обучения модели опорных векторов использовались участки электроэнцефалограммы, предварительно помеченные специалистом как содержащие типичные абсансы. В качестве признаков для классификации выделены ключевые характеристики, такие как число пересечений нуля, кросс-корреляция ...

Добавлено: 27 декабря 2024 г.

Разработка алгоритма детектирования медленной пик-волновой активности при бессудорожных формах эпилепсии

Белокопытов А. С., Макарова М. М., Саламатин М. И. и др., Известия высших учебных заведений. Прикладная нелинейная динамика 2024 Т. 32 № 2 С. 223–228

Добавлено: 23 октября 2024 г.

Are CDS spreads predictable during the Covid-19 pandemic? Forecasting based on SVM, GMDH, LSTM and Markov switching autoregression

Вукович Д., Романюк К. А., Ivashchenko S. и др., Expert Systems with Applications 2022 Vol. 194 No. May 2022 Article 116553

Добавлено: 4 февраля 2022 г.

Comparison of Machine Learning Methods for Life Trajectory Analysis in Demography

Муратова А. А., Митрофанова Е. С., Ислам Р., , in: Intelligent Information and Database Systems: 13th Asian Conference, ACIIDS 2021, Phuket, Thailand, April 7–10, 2021, Proceedings.: Springer, 2021. P. 630–642.

Добавлено: 6 апреля 2021 г.

Multivariate identification of functional neural networks underpinning humorous movie viewing

Lin F., Lee H., Kuo W. и др., Frontiers in Psychology 2021 Vol. 11 Article 547353

Добавлено: 10 марта 2021 г.

NeuroPycon: An open-source python toolbox for fast multi-modal and reproducible brain connectivity pipelines

Meunier D., Pascarella A., Алтухов Д. И. и др., Neuroimage 2020 Vol. 219 No. october P. 1–13

Добавлено: 12 ноября 2020 г.

Модель оценки нефинансовых рисков на основе контент-анализа

Поморина М. А., Ефимов Д. А., Лысцев С. С., Управленческий учет и финансы 2019 № 1 С. 2–9

Прогнозирование воздействия новостных событий на изменение цен финансовых активов можно использовать для управления стоимостью компании. В работе продемонстрирована возможность при помощи метода контент-анализа выявить степень влияния нефинансовых рисков на рыночную стоимость публичной компании. На примере четырех публичных компаний российского рынка авторы проводят тестирование метода, показывают его ограничения и возможности. ...

Добавлено: 31 октября 2019 г.

EEML 2019: Experimental Economics and Machine Learning: Proceedings of the Fifth Workshop on Experimental Economics and Machine Learning at the National Research University Higher School of Economics co-located with the Seventh International Conference on Applied Research in Economics (iCare7)

CEUR Workshop Proceedings, 2019.

Добавлено: 18 октября 2019 г.

Machine Learning, Optimization, and Data Science. 4th International Conference, LOD 2018, Volterra, Italy, September 13-16, 2018, Revised Selected Papers

Cham: Springer, 2019.

Добавлено: 17 октября 2019 г.

Pattern Recognition and Image Analysis

Springer, 2019.

Добавлено: 23 сентября 2019 г.

Proceedings of Analysis of Images, Social Networks and Texts – 7th International Conference, AIST 2018, Moscow, Russia, July 5-7, 2018, Revised Selected Papers. Lecture Notes in Computer Science

Berlin: Springer, 2018.

This book constitutes the proceedings of the 7th International Conference on Analysis of Images, Social Networks and Texts, AIST 2018, held in Moscow, Russia, in July 2018. The 29 full papers were carefully reviewed and selected from 107 submissions (of which 26 papers were rejected without being reviewed). The papers are organized in topical sections on ...

Добавлено: 5 сентября 2018 г.

Topological modules of human brain networks are anatomically embedded: evidence from modularity analysis at multiple scales

Курмуков А. И., Додонова Ю. А., Бурова М. Б. и др., , in: Computational Aspects and Applications in Large-Scale Networks. Springer Proceedings in Mathematics & StatisticsVol. 247.: Springer, 2018. P. 299–308.

Human brain networks show modular organization: cortical regions tend to form densely connected modules with only weak inter-modular connections. However, little is known on whether modular structure of brain networks is reliable in terms of test-retest reproducibility and, most importantly, to what extent these topological modules are anatomically embedded. To address these questions, we use ...

Добавлено: 15 декабря 2017 г.

Differences in Structural Connectomes between Typically Developing and Autism Groups

Petrov D., Dodonova Y., Жуков Л. Е., , in: "Информационные технологии и системы 2015".: St. Petersburg: Институт проблем передачи информации им. А.А. Харкевича РАН, 2015. P. 1–15.

We study dierences in structural connectomes between typically developing and autism spectrum disorders individuals with machine learning techniques using connection weights and network metrics as features. We build linear SVM classier with accuracy score 0:64 and report 16 features (seven connection weights and nine network node centralities) best distinguishing these two groups. ...

Добавлено: 5 марта 2017 г.

Boosting connectome classification via combination of geometric and topological normalizations

Petrov D., Dodonova Y., Жуков Л. Е. и др., , in: PRNI 2016. The 6th International Workshop on Pattern Recognition in Neuroimaging. Trento, Italy, June 22nd – 24th, 2016.: NY: IEEE, 2016. P. 1–4.

The structural connectome classification is a challenging task due to a small sample size and high dimensionality of feature space. In this paper, we propose a new data prepossessing method that combines geometric and topological connectome normalization and significantly improves classification results. We validate this approach by performing classification between autism spectrum disorder and normal ...

Добавлено: 5 марта 2017 г.

MICEX index forecasting: the predictive power of neural network modeling and support vector machine

Лозинская А. М., Жемчужников В. А., Perm University Herald. Economy 2017 Vol. 12 No. 1 P. 49–60

Возможность прогнозирования динамики финансовых инструментов представляет собой актуальную задачу для участников финансового рынка. В условиях большого потока разнородной информации возникает потребность в использовании эффективных методов их обработки для выработки оперативных управленческих решений. В частности, все большее распространение в финансовом моделировании получают методы машинного обучения. Цель работы заключается в моделировании прогноза российского биржевого индекса с помощью ...

Добавлено: 24 декабря 2016 г.