Вероятностная модель классификатора на основе древовидно-структурированных гауссовых смесей

Ланге, М. М.; Н. А. Новиков

АБВ
АБВ
АБВ

Обычная версия сайта

Приоритетные направления

по году

Тематика

Новости

17 июня 2026 г.

Биоинформатики НИУ ВШЭ обнаружили 20 опасных мутаций в гене, связанном с легочной артериальной гипертензией

Ученые НИУ ВШЭ совместно с коллегами из российских университетов выяснили, какие мутации в гене ACVRL1 опасны для пациентов с легочной артериальной гипертензией. Они смоделировали, как изменения в гене влияют на связывание АТФ с белком — процесс, от которого зависит передача сигналов, необходимых для работы сосудов. Оказалось, что 20 из 32 вариантов могут нарушать передачу сигнала и провоцировать болезнь. Результаты опубликованы в Journal of Structural Biology.

17 июня 2026 г.

Интеллектуальная робототехника: кадровый голод и масса возможностей

Пока на рынке мало кадров, способных заниматься разработкой интеллектуальных робототехнических систем. Между тем именно к этому идет робототехника. Как учат ее проектированию и каково будущее отрасли, в интервью IQ Media рассказал заведующий Проектно-учебной лабораторией робототехники НИУ ВШЭ Вадим Моргачев.

17 июня 2026 г.

Каким должно быть образование, чтобы готовить кадры для экономики будущего

Эти вопросы обсудят на форуме HR EXPO PRO ЛЮДЕЙ, который состоится 18-19 июня в Москве. В его работе примет участие ректор НИУ ВШЭ Никита Анисимов, федеральные министры, HR-директора компаний, ректоры вузов, эксперты. На форуме будет представлен стенд, посвященный программам ДПО НИУ ВШЭ.

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

Публикации

?

Вероятностная модель классификатора на основе древовидно-структурированных гауссовых смесей

С. 326–329.

Ланге, М. М., Новиков Н. А.

Предложен новый подход к построению байесовского классификатора в многомерном пространстве признаков. Основу подхода составляют древовидно-структурированные гауссовы смеси (TSM) в ка- честве оценок условных по классам плотностей распределения. Разработана процедура оптимизации TSM-классификатора по числам компонент гауссовых смесей и пороговым значениям смесей, введённым для реализации функции отказа. Оценены доли ошибок TSM-классификатора на множестве трёхмерных признаков монохромного изображения. Для сравнения приведены доли ошибок классификаторов, исполь- зующих в качестве оценок функций правдоподобия одиночные гауссовы плотности и гауссовы смеси, по- строенные с помощью EM-алгоритма. Приложение TSM-классификатора иллюстрируется примерами сег- ментации спутникового изображения, полученного с помощью программы Google Earth.

Язык: русский

Ключевые слова: байесовский классификатор древовидно-структурированные гауссовы смеси

В книге

Математические методы распознавания образов: 15-я Всероссийская конференция, г.Петрозаводск, 11–17 сентября 2011 г.: Сборник докладов

М.: МАКС Пресс, 2012.

Алгоритмы и методы обучения обучаемой интеллектуальной системы

Паволоцкий А. В., Левицкая Н. И., Голуб А. О., Качество. Инновации. Образование 2015 № 2-2015 С. 33–43

В статье рассматриваются несколько подходов к построению обучаемых интеллектуальных систем - технологий для автоматизированного контроля знаний. Авторы приводят описания алгоритмов, а также примеры и аналитику ...

Добавлено: 7 апреля 2015 г.

Система сопровождения игрового обучения

Игнатьев И. С., В кн.: Телематика'2010: телекоммуникации, веб-технологии, суперкомпьютинг. Сборник статей участников Всероссийского конкурса научных работ студентов и аспирантов.: СПб.: Санкт-Петербургский государственный университет информационных технологий, механики и оптики, 2010. С. 106–111.

В статье описана архитектура, компоненты и общий алгоритм работы системы сопровождения игрового обучения, реализующей анализ результатов обучения при помощи алгоритмов анализа данных. ...

Добавлено: 17 апреля 2012 г.