• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • A
  • A
  • A
  • A
  • A
Обычная версия сайта
  • RU
  • EN
  • Национальный исследовательский университет «Высшая школа экономики»
  • Публикации ВШЭ
  • Глава
  • Оценивание параметров моделей регрессий с учетом изменений в случайный момент времени
  • RU
  • EN
Расширенный поиск
Высшая школа экономики
Национальный исследовательский университет
Приоритетные направления
  • бизнес-информатика
  • государственное и муниципальное управление
  • гуманитарные науки
  • инженерные науки
  • компьютерно-математическое
  • математика
  • менеджмент
  • право
  • социология
  • экономика
по году
  • 2027
  • 2026
  • 2025
  • 2024
  • 2023
  • 2022
  • 2021
  • 2020
  • 2019
  • 2018
  • 2017
  • 2016
  • 2015
  • 2014
  • 2013
  • 2012
  • 2011
  • 2010
  • 2009
  • 2008
  • 2007
  • 2006
  • 2005
  • 2004
  • 2003
  • 2002
  • 2001
  • 2000
  • 1999
  • 1998
  • 1997
  • 1996
  • 1995
  • 1994
  • 1993
  • 1992
  • 1991
  • 1990
  • 1989
  • 1988
  • 1987
  • 1986
  • 1985
  • 1984
  • 1983
  • 1982
  • 1981
  • 1980
  • 1979
  • 1978
  • 1977
  • 1976
  • 1975
  • 1974
  • 1973
  • 1972
  • 1971
  • 1970
  • 1969
  • 1968
  • 1967
  • 1966
  • 1965
  • 1964
  • 1963
  • 1958
  • еще
Тематика
Новости
18 ноября 2026 г.
Три четверти различий в функциональной грамотности обусловлены генами
Исследователи НИУ ВШЭ впервые оценили на российских данных, насколько функциональная грамотность зависит от наследственности. Анализ результатов 114 пар близнецов из общероссийской выборки восьмиклассников показал: генетические различия объясняют 76% разброса в общем уровне функциональной грамотности. Результаты опубликованы в журнале Behavior Genetics.
18 ноября 2026 г.
«Наука дает мне возможность видеть красоту»
Мария Губина учится в магистратуре факультета математики НИУ ВШЭ и занимается теорией узлов. В интервью проекту «Молодые ученые Вышки» она рассказала о «числе Эрдёша», математических закономерностях вокруг нас и о том, почему ученым стоит научиться печь тортики.
17 ноября 2026 г.
Ученые НИУ ВШЭ разработали метод для обнаружения неисправностей систем охлаждения ЦОД
Исследователи НИУ ВШЭ и Уральского федерального университета разработали метод на основе искусственного интеллекта, который выявляет постепенные утечки хладагента и загрязнение теплообменников в системах охлаждения центров обработки данных. Новая модель учитывает физические связи между элементами холодильного контура, что позволяет выявлять неисправности на ранних стадиях. Результаты опубликованы в журнале IEEE Transactions on Industry Applications.

 

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!

Публикации
  • Книги
  • Статьи
  • Главы в книгах
  • Препринты
  • Верификация публикаций
  • Расширенный поиск
  • Правила использования материалов
  • Наука в ВШЭ

?

Оценивание параметров моделей регрессий с учетом изменений в случайный момент времени

С. 516–522.
Силаева В. А., Силаева М. В., Силаев А. М.

Рассматривается задача оценивания параметров временных рядов со скачкообразными изменениями в случайные моменты времени. Для решения используется алгоритм, основанный на вычислении апостериорных вероятностей моментов появления скачков параметров на интервале наблюдения. Предлагается вариант EM алгоритма, основанный на итерационной процедуре, в ходе которой происходит чередование оценивания параметров моделей при заданном моменте скачка и оценивания момента появления скачка при заданных параметрах моделей. Алгоритм применяется для оценивания параметров моделей регрессии, описывающих ряд уровня безработицы в России с 1994 г. по 2019 г.

Язык: русский
Полный текст
Ключевые слова: EM алгоритммодели регрессииметод максимума правдоподобия

В книге

Системное моделирование социально-экономических процессов: труды 42-ой международной научной школы-семинара имени академика С.С.Шаталина
Воронеж: Истоки, 2019.
Похожие публикации
Анализ алгоритмов обнаружения дипфейков
Федотов Г. А., Международный вестник криминалистики 2024 № 92 С. 77–83
В последние годы наблюдается значительный прогресс в качестве синтетически сгенерированного контента. Кроме того, регулярно появляются инструменты, с помощью которых обычный пользователь персонального компьютера может создать реалистичный поддельный контент. В работе исследуется развитие генеративных моделей в задаче Face Synthesis, а также способы обнаружения дипфейков, созданных с помощью моделей этого класса. Представленные в работе подходы показали хорошую ...
Добавлено: 24 сентября 2025 г.
Оценивание параметров моделей бинарного выбора с учетом изменений в случайный момент времени
Силаев А. М., Силаева М. В., В кн.: Системное моделирование социально-экономических процессов: труды 46-ой международной научной школы-семинара, г. Уфа, 9 - 15 октября 2023 г.: Воронеж: Истоки, 2024. С. 657–663.
Рассматривается задача оценивания параметров моделей бинарного выбора со скачкообразными изменениями в случайные моменты времени. Для решения используется алгоритм, основанный на вычислении апостериорных вероятностей моментов появления скачков параметров на интервале наблюдения. Предлагается вариант EM алгоритма, основанный на итерационной процедуре, в ходе которой происходит чередование оценивания параметров моделей при заданном моменте скачка и оценивания момента появления скачка ...
Добавлено: 14 февраля 2024 г.
Оценивание моделей регрессии с марковскими переключениями параметров
Силаева В. А., Силаева М. В., Силаев А. М., В кн.: Системное моделирование социально-экономических процессов: труды 41-ой международной научной школы-семинара, г. Нижний Новгород, 30 сентября – 4 октября 2018 г.: Воронеж: Истоки, 2018. С. 499–502.
Рассматривается задача оценивания параметров временных рядов, описываемых регрессионными моделями с марковскими переключениями двух режимов в случайные моменты времени и независимыми гауссовскими шумами. Для решения предлагается вариант EM алгоритма, основанный на итерационной процедуре, в ходе которой происходит чередование оценивания параметров регрессии при заданной последовательности переключений режимов и оценивания последовательности переключений при заданных параметрах моделей регрессии. Предложенный ...
Добавлено: 13 января 2020 г.
Оценивание параметров моделей временных рядов с марковскими переключениями режимов
Силаева В. А., Силаева М. В., Силаев А. М., Компьютерные исследования и моделирование 2018 Т. 10 № 6 С. 903–918
В работе рассматривается задача оценивания параметров временных рядов, описываемых регрессионными моделями с марковскими переключениями двух режимов в случайные моменты времени и независимыми гауссовскими шумами. Для решения предлагается вариант EM алгоритма, основанный на итерационной процедуре, в ходе которой происходит чередование оценивания параметров регрессии при заданной последовательности переключений режимов и оценивания последовательности переключений при заданных параметрах моделей регрессии. В ...
Добавлено: 25 февраля 2018 г.
Deep Part-Based Generative Shape Model with Latent Variables
Kirillov A., Gavrikov M., Лобачева Е. М. и др., , in: Proceedings of the 27th British Machine Vision Conference.: -, 2016. P. 1–12.
The Shape Boltzmann Machine (SBM) and its multilabel version MSBM have been recently introduced as deep generative models that capture the variations of an object shape. While being more flexible MSBM requires datasets with labeled parts of the objects for training. In the paper we present an algorithm for training MSBM using binary masks of ...
Добавлено: 24 февраля 2017 г.
Limits of Kalman Filter application in heavy tailed problems
Конаков В. Д., Мозгунов П. А., / Cornell University. Серия math "arxiv.org". 2015. № 1505.07981.
В данной работе рассматривается поведение классического алгоритма Фильтр Калмана в случае, когда ошибки имеют распределение с "тяжелыми хвостами". Для этого была использована симулированная модель, в которой шумы наблюдений распределены нормально, а шумы ненаблюдаемых состояний заменены на ошибки, имеющие $\alpha$-устойчивое распределение c двумя меняющимися параметрами $\alpha$ и $\beta$.  Нами рассмотрено два случая: когда все параметры известны, ...
Добавлено: 1 июня 2015 г.
  • О ВЫШКЕ
  • Цифры и факты
  • Руководство и структура
  • Устойчивое развитие в НИУ ВШЭ
  • Преподаватели и сотрудники
  • Корпуса и общежития
  • Закупки
  • Обращения граждан в НИУ ВШЭ
  • Фонд целевого капитала
  • Противодействие коррупции
  • Сведения о доходах, расходах, об имуществе и обязательствах имущественного характера
  • Сведения об образовательной организации
  • Людям с ограниченными возможностями здоровья
  • Единая платежная страница
  • Работа в Вышке
  • ОБРАЗОВАНИЕ
  • Лицей
  • Довузовская подготовка
  • Олимпиады
  • Прием в бакалавриат
  • Вышка+
  • Прием в магистратуру
  • Аспирантура
  • Дополнительное образование
  • Центр развития карьеры
  • Бизнес-инкубатор ВШЭ
  • Образовательные партнерства
  • Обратная связь и взаимодействие с получателями услуг
  • НАУКА
  • Научные подразделения
  • Исследовательские проекты
  • Мониторинги
  • Диссертационные советы
  • Защиты диссертаций
  • Академическое развитие
  • Конкурсы и гранты
  • Внешние научно-информационные ресурсы
  • РЕСУРСЫ
  • Библиотека
  • Издательский дом ВШЭ
  • Книжный магазин «БукВышка»
  • Типография
  • Медиацентр
  • Журналы ВШЭ
  • Публикации
  • http://www.minobrnauki.gov.ru/
    Министерство науки и высшего образования РФ
  • https://edu.gov.ru/
    Министерство просвещения РФ
  • https://elearning.hse.ru/mooc
    Массовые открытые онлайн-курсы
  • НИУ ВШЭ1993–2026
  • Адреса и контакты
  • Условия использования материалов
  • Политика обработки персональных данных
  • Правила применения рекомендательных технологий в НИУ ВШЭ
  • Карта сайта
Редактору