• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • A
  • A
  • A
  • A
  • A
Обычная версия сайта
  • RU
  • EN
  • Национальный исследовательский университет «Высшая школа экономики»
  • Публикации ВШЭ
  • Книги
  • Математические основы машинного обучения и прогнозирования
  • 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
  • 2028
  • 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
8 сентября 2026 г.
Как оценивать знания студентов в эпоху ИИ
Ученый НИУ ВШЭ предложил блок-схему, которая помогает преподавателю решить, как оценивать студентов, если они пользуются искусственным интеллектом. Она показывает, где применение нейросети лучше ограничить, а где сделать частью обучения. Статья опубликована в журнале IT Professional.
7 сентября 2026 г.
В НИУ ВШЭ пройдет конференция для представителей наук, изучающих медицину и здоровье
С 3 по 5 декабря в Москве состоится междисциплинарная научная конференция с международным участием «Коморбидное поле 3.0: социальное благополучие, здоровье и медицина во множественных контекстах», которая будет организована Центром сравнительных исследований социального благополучия НИУ ВШЭ при участии факультета гуманитарных наук и Санкт-Петербургской школы гуманитарных наук и искусств НИУ ВШЭ, Европейского университета в Санкт-Петербурге и Сеченовского университета. Заявки на участие принимаются до 4 октября.
4 сентября 2026 г.
Сотрудники НИУ ВШЭ - Санкт-Петербург разработали ИИ-инструмент для анализа человеческого поведения
Сотрудники и студенты НИУ ВШЭ совместно с экспертами из Санкт-Петербургского Федерального исследовательского центра РАН и Центра практического ИИ Сбера разработали нейросеть, способную одновременно распознавать эмоции, оценивать видимые черты личности и выявлять амбивалентность (неуверенность или противоречивость поведения). Результаты исследования опубликованы в журнале IEEE Access.

 

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

?

Математические основы машинного обучения и прогнозирования

М. : МЦНМО, 2013.
Вьюгин В. В.

Книга предназначена для первоначлаьного знакомства с математическими основами современной теории машинного обучения (Machine Learning) и теории игр на предсказания. В первой части излагаются основы статистической теории машинного обучения, рассматриваются задачи классификации и регрессии с опорными векторами, теория обобщения и алгоритмы построения разделяющих гиперплоскостей. Во второй и третьей частях рассматриваются задачи адаптивного прогнозирования в нестохастических теоретико-игровой и сравнительной постановках: игры с предсказаниями и предсказания с использованием экспертных стратегий (Prediction with Expert Advice).
Для студентов и аспирантов, специализирующихся в области машинного обучения и искусственного интеллекта.

Научное направление: Математика Компьютерные науки
Приоритетные направления: компьютерно-математическое математика
Язык: русский
Текст на другом сайте
Ключевые слова: машинное обучениематематические моделивероятностное прогнозированиеmachine learning mathematical modelprediction
Математические основы машинного обучения и прогнозирования
Похожие публикации
Анализ согласованности голосования стран ЕАЭС и ОДКБ в ГА ООН с помощью иерархической кластеризации
Вохминцев И. В., Вестник международных организаций: образование, наука, новая экономика 2026 Т. 21 № 2
ЕАЭС и ОДКБ – главные региональные международные организации для России. Понимание, оценка и анализ внешнеполитических позиций стран, которые туда входят — это вопрос национальных интересов страны. Из этого вытекает цель работы: выявление уровня и формы согласованности голосования стран ЕАЭС и ОДКБ в ГА ООН. Уровень согласованности – оценка уровня близости стран при голосовании. Форма согласованности ...
Добавлено: 7 сентября 2026 г.
Rational p-adic Hodge theory for d-de Rham-proper stacks
Prikhodko Artem, Kubrak D., Compositio Mathematica 2026 Vol. 162 No. 6 P. 1377–1438
Добавлено: 7 сентября 2026 г.
Lower Bounds on the Measure of the Support of Positive and Negative Parts of Trigonometric Polynomials
Исмаилов А. Р., Constructive Approximation 2026
Добавлено: 7 сентября 2026 г.
Pupillometry and autonomic nervous system responses to cognitive load and false feedback: an unsupervised machine learning approach
Alshanskaia E., Portnova G., Liaukovich K. и др., Frontiers in Neuroscience 2024 Vol. 18
Добавлено: 7 сентября 2026 г.
Oil Spill Segmentation in SAR Data Using ViT-UNet: Performance and Practical Insights
Зуенко Д. О., Трофимова Е. А., Хайдарова И., IEEE Access 2026 Vol. 14 P. 121339–121357
Добавлено: 7 сентября 2026 г.
Конечные последовательности и перестановки, ими порождаемые
Кучерявый П. А., Математические заметки 2026 Т. 2026 № 120 С. 380–401
В работе изучаются перестановки, возникающие при упорядочивании по возрастанию дробных долей произведений элементов фиксированной целочисленной последовательности на вещественный параметр. Исследуется количество различных перестановок, которые можно получить таким образом при изменении этого параметра от нуля до единицы. ...
Добавлено: 7 сентября 2026 г.
Анализ безопасности хранения биометрических данных с использованием FaceNet
Стародубов К. В., Гвасалия Г. В., Карасев П. И., Нано-био-технологии. Тепло- и электроэнергетика. Математическое моделирование: сборник статей III международной научно-практической конференции (Липецкий государственный технический университет, Липецк, Россия) 2025 С. 219–223
В данной работе рассматривается понятие нейронных сетей, сверточных нейронных сетей, их архитектура и принцип работы с ними. Основное внимание уделяется проверки надежности хранения изображений людей в качестве эмбедингов, которые как считается не поддаются восстановлению в оригинальное изображение. В ходе исследования проводится эксперимент: эмбединг лица, конкретного человека сравнивается с набором эмбедингов, которые хранятся в одном файле ...
Добавлено: 6 сентября 2026 г.
Scalable machine learning approach to disordered s-wave superconductors
Неверов В. Д., Красавин А. В., Вагов А. В. и др., Physical Review B: Condensed Matter and Materials Physics 2026 Vol. 113 P. 1–6
Добавлено: 5 сентября 2026 г.
On the rate of Gaussian approximation for online linear regression problems
Шешукова М. Е., Durmus A., Khusainov M. и др., Statistics 2026 P. 1–25
Добавлено: 4 сентября 2026 г.
Proceedings of the 42nd Conference on Uncertainty in Artificial Intelligence (UAI), PMLR Volume 337, 17-21 August 2026, KIT, Amsterdam, the Netherlands
Proceedings of Machine Learning Research , 2026.
Добавлено: 4 сентября 2026 г.
Относительные аналитические законы взаимности
Осипов Д.В., Математический сборник 2026 Т. 217 № 9 С. 130–146
Изучаются законы взаимности, связанные с комплексными линейными расслоениями на расслоениях на ориентируемые окружности. В частности, доказывается следующий закон взаимности. Пусть B – комплексное многообразие и πi:Mi→B – расслоение на ориентируемые окружности, где индекс i пробегает конечное множество. Пусть Li и Ni – комплексные линейные расслоения на каждом многообразии Mi. Закон взаимности утверждает, что сумма всех элементов (πi)∗(c1(Li)∪c1(Ni)), где (πi)∗ – ...
Добавлено: 3 сентября 2026 г.
A unified frequency-domain framework for tilted slice localization and ischemic stroke detection
Khodadoust J., Куликова С. П., Khodadoust F., Biomedical Signal Processing and Control 2027 Vol. 129 P. 111284–111284
Анализ острого ишемического инсульта (ОИИ) по двухмерным (2D) клиническим изображениям затруднен из-за неконтролируемого наклона срезов и геометрических несоответствий, нарушающих предположения моделей глубокого обучения (ГБО), не зависящих от положения. В данной статье предлагается унифицированная, учитывающая геометрию, частотно-доменная структура для локализации наклонных срезов и сегментации ишемического инсульта, которая явно разделяет оценку положения и анализ поражения. Метод сначала ...
Добавлено: 2 сентября 2026 г.
Proceedings of the 2026 Fourth International Conference on Distributed Computing and High Performance Computing (DCHPC)
IEEE, 2026.
Добавлено: 2 сентября 2026 г.
Orbifold Saito theory of A and D type singularities
Басалаев А. А., Раровский А. А., Journal of Singularities 2026 Vol. 30 P. 61–80
Добавлено: 1 сентября 2026 г.
Infinitely many graph manifolds with unique geometrical piece that admit arbitrarily many Anosov flows
Починка О. В., Шмуклер В. И., / Series math.RT "arXiv:1808.06395 [math.RT]". 2026.
Добавлено: 31 августа 2026 г.
Асимметрия информации на рынке адвокатских услуг: создание рейтинга методами машинного обучения
Казун А. П., Девятников В. Ю., Белов М. Д., Вопросы теоретической экономики 2026 Т. 3 № 32 С. 115–135
Как понять, хорош адвокат или нет? В данной статье мы описываем методологию, позволяющую измерять качество юридической помощи через разницу между тем, что предсказывает модель машинного обучения по объективным характеристикам дела, и тем, чем дело закончилось в реальности. Мы исходим из предпосылки, что если у адвоката дела стабильно заканчиваются лучше ожидаемого, то он делает свою работу хорошо. ...
Добавлено: 28 августа 2026 г.
Шизофрения и её влияние на лексический уровень языка
Тасенко О. А., Унтила К. В., Шишковская Т. И. и др., В кн.: Десятая международная конференция по когнитивной науке: Тезисы докладов. Пятигорск, 26–30 июня 2024 г.: Пятигорск: ОПиИД УНР ФГБОУ ВО «ПГУ», 2024. С. 328–329.
Шизофрения – это хроническое психическое расстройство, которое выражается как комбинация психотических симптомов, таких как галлюцинации, бред и дезорганизация когнитивных функций. Для шизофрении характерны трудности с поиском слов, приближение слов, то есть  использование сходных по значению с нужным или же описывающих предполагаемое значение, а также использование негативной лексики чаще, чем в группе нормы, в том числе при  описании ...
Добавлено: 24 августа 2026 г.
Volatility Forecasting From Econometrics To Artificial Intelligence: A Four-Stage Review Of The Evidence Pipeline From Forecast Accuracy To Portfolio Performance
Nikita I. Lysenok, International Journal of Computer Information Systems and Industrial Management Applications 2026 Vol. 18 No. 18s P. 1406–1430
A volatility forecast becomes useful only after it has passed through four stages: a model produces it, a trading rule consumes it, a portfolio aggregates the result, and an investor evaluates that result against a utility function. Each stage has its own mature evaluation apparatus, and each is studied in isolation. This review traces the ...
Добавлено: 23 августа 2026 г.
On calibration of remote sensing retrievals of ecosystem respiration (Reco) with tower measurements over,Russian forests and wetlands
Shabanov N., Kuricheva O., Kurbatova J. и др., / Series Working Papers SSRN "Department of Economics Ca’ Foscari University of Venice". 2026.
Добавлено: 21 августа 2026 г.
Which Model Families Pay? Econometric, Gradient Boosting and Recurrent Neural Network Volatility Forecasts in Active Trading Strategies on the Russian Stock Market
Nikita I. Lysenok, International Journal of Computer Information Systems and Industrial Management Applications 2026 Vol. 18 No. 17s P. 533–549
Добавлено: 18 августа 2026 г.
Biological and Social Phases of Big History and Complexity Growth
Leonid Grinin, Alexander M., Коротаев А. В., , in: Complexity in Universal Evolution. A Big History Perspective.: Springer, 2026. Ch. 12 P. 283–355.
Добавлено: 10 августа 2026 г.
Three Algorithms for Merging Hierarchical Navigable Small World Graphs
Пономаренко А. А., / Series Computer Science "arxiv.org". 2025.
Добавлено: 30 июля 2026 г.
New bound on S1× S2-setting Bell locality of a nonseparable Werner state
Лубенец Е. Р., / Series arxiv.org "quant-ph". 2026. No. 2607.18050.
Добавлено: 21 июля 2026 г.
On functional equations for Chow polylogarithms
Болбачан В. С., / Series math "arxiv.org". 2024.
Полилогарифмы Чжоу — это специальные функции, возникающие при явном описании отображения регулятора Бейлинсона. Наиболее интересное функциональное уравнение для этой функции отражает тот факт, что она обращается в нуль на границе в комплексе циклов Блоха. Мы показываем, что это функциональное уравнение формально вытекает из более простых свойств: кососимметричности, функториальности и мультипликативности. Для доказательства этого мы рассматриваем ...
Добавлено: 16 июля 2026 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