?
Introduction to the Theory of Randomized Machine Learning
P. 199–220.
Yuri S. Popkov, Yuri A. Dubnov, Popkov A.
We propose a new machine learning concept called Randomized Machine Learning, in which model parameters are assumed random and data are assumed to contain random errors. Distinction of this approach from “classical” machine learning is that optimal estimation deals with the probability density functions of random parameters and the “worst” probability density of random data errors. As the optimality criterion of estimation, randomized machine learning employs the generalized information entropy maximized on a set described by the system of empirical balances. We apply this approach to text classification and dynamic regression problems. The results illustrate capabilities of the approach.
Соболев В. Н., Фролов А. А., Чебышевский сборник 2025 Т. 26 № 5 С. 203–220
В статье на классе K бесконечных двоичных последовательностей без 1-серий строится согласованное распределение вероятностей P, которое индуцируется однородной цепью Маркова с матрицей перехода за один шаг P𝜑 , и полностью определяемой золотым сечением 𝜑. Использование цепи Маркова при построении вероятностной меры P позволяет применить теорему А.Н. Колмогорова о продолжении меры. Асимптотическое распределение подкласса K 0 ...
Добавлено: 11 февраля 2026 г.
Добавлено: 1 ноября 2025 г.
R. B. Sandlerskiy, Petrzhik N. M., Jargalsaikhan T. и др., Biology Bulletin 2023 Vol. 50 No. S2 P. S226–S238
Изложены результаты применения термодинамического подхода для исследования функционирования горных лесных биогеоценозов на основе мультиспектральной сканерной съемки Landsat 8 OLI TIRS для ландшафтов северо-западного Прихубсугулья. На примере участка хр. Хорьдол-Сарь даг рассмотрено пространственно-временное варьирование термодинамических характеристик, рассчитанных в рамках неравновесной модели термодинамики Тсаллиса. На основе метода главных компонент выделены параметры порядка термодинамической системы – инвариантные состояния ...
Добавлено: 26 февраля 2025 г.
Robert Sandlersky, , in: Reference Module in Earth Systems and Environmental Sciences.: Oxford: Elsevier, 2025. P. 1–11.
Добавлено: 19 февраля 2025 г.
Орландо Д., Lampart M., Entropy 2023 Vol. 25 No. 11 Article 1527
Добавлено: 22 февраля 2024 г.
Попков А. Ю., Дубнов Ю. А., Попков Ю. С., Информационные технологии и вычислительные системы 2022 № 3 С. 67–78
Работа посвящена применению метода рандомизированного машинного обучения для прогнозирования развития эпидемии COVID-19, основанной на эпидемиологической модели SIR. Предлагается два варианта моделирования, первый основан на использовании модели SIR с оценкой параметров по реальным оперативным данным о случаях заболевания, второй основан на идее моделирования индикатора распространения инфекции и его прогнозирования. Cравнительное исследование предлагаемых методов и подходов базируется на сравнении со ...
Добавлено: 5 февраля 2024 г.
А. Ю. Попков, Ю. А. Дубнов, Ю. С. Попков, Информатика и автоматизация (Труды СПИИРАН) 2022 Т. 4 № 21 С. 659–677
В работе предлагается подход к оцениванию параметров нелинейных динамических моделей с помощью концепции Рандомизированного машинного обучения (РМО), основанной на переходе от детерминированных моделей к случайным (со случайными параметрами) с последующим оцениванием вероятностных распределений параметров и шумов по реальным данным. Главной особенностью данного метода является его эффективность в условиях малого количества реальных данных. В работе рассматриваются ...
Добавлено: 5 февраля 2024 г.
Сандлерский Р. Б., Петржик Н. М., Жаргалсайхан Т. и др., Известия РАН. Серия биологическая 2023 № 8 С. 115–128
Изложены результаты применения термодинамического подхода для исследования функционирования горных лесных биогеоценозов на основе мультиспектральной сканерной съемки Landsat 8 OLI TIRS для ландшафтов северо-западного Прихубсугулья. На примере участка хр. Хорьдол-Сарьдаг рассмотрено пространственно-временное варьирование термодинамических характеристик, рассчитанных в рамках неравновесной модели термодинамики Тсаллиса. На основе метода главных компонент выделены параметры порядка термодинамической системы – инвариантные состояния каждой ...
Добавлено: 17 декабря 2023 г.
Добавлено: 17 декабря 2023 г.
Пузаченко Ю. Г., Сандлерский Р. Б., Кренке А. Н. и др., Russian Journal of Forest Science 2014 Vol. 7 No. 7 P. 838–854
Предложены подходы к использованию мультиспектральной дистанционной информации в фундаментальных исследованиях пространственно-временной организации биогеоценотического покрова без и с применением наземных полевых измерений. Постулируется, что дистанционные измерения отражают биофизическое состояние биогеоценотического покрова, определяемое процессами поглощения и преобразования солнечной энергии и могут рассматриваться как его свойства. Измерения интерпретируются с позиции термодинамики диссипативных открытых систем. При объединении дистанционной информации ...
Добавлено: 3 сентября 2023 г.
Колачев Н. И., Психологические исследования: электронный научный журнал 2023 Т. 16 № 88 Статья 1
В предлагаемой статье рассматривается вопрос применимости показателя трудности в рамках психометрического анализа психологических тестов. Показывается, что в традиционных психометрических исследованиях авторы игнорируют этот показатель, поскольку парадигмой конфирматорного факторного анализа, на основе которой большинство психологов проводит свои исследования, его изучение не предусмотрено. На аналитическом и эмпирическом примерах продемонстрировано, что трудность – аналог энтропии (меры количества информации), не ...
Добавлено: 23 июня 2023 г.
Распространенность хронической болезни почек ежегодно растет и уже сопоставима с такими социально значимыми заболеваниями, как гипертоническая болезнь и сахарный диабет, а также с ожирением и метаболическим синдромом [1,2]. Стандартным решением для гемодиализных пациентов является создание постоянного сосудистого доступа а виде артерио-венозной фистулы. Однако, ее использование ограничивается частыми тромбозами, что влечет за собой риски для жизни ...
Добавлено: 14 ноября 2022 г.
Попков Ю. С., Popkov A. Y., Дубнов Ю. А., Mathematical Models and Computer Simulations 2021 Vol. 13 No. 3 P. 382–394
Добавлено: 28 октября 2022 г.
Дубнов Ю. А., Polishchuk V. Y., Yu. S. Popkov и др., Automation and Remote Control 2021 Vol. 82 No. 4 P. 670–686
Статья посвящена проблеме восстановления про́пусков в коллекциях данных для задач машинного обучения. Предложен новый рандомизированный метод восстановления пропущенных данных, основанный на технологии энтропийно-робастного оценивания и генерации ансамблей случайных величин. Предложенный метод схож с использованием вспомогательной регрессии для восстановления пропущенных значений, но в отличие от последней в случае энтропийного оценивания не накладываются дополнительные ограничения на функцию ...
Добавлено: 28 октября 2022 г.
Попков Ю. С., Дубнов Ю. А., Попков А. Ю., Информатика и автоматизация (Труды СПИИРАН) 2021 Т. 20 № 5 С. 1010–1033
Работа посвящена прогнозированию развития эпидемии COVID-19 с помощью нового метода рандомизированного машинного обучения. Основу метода составляет идея оценивания распределений вероятностей параметров модели по реальным данным вместе с распределением вероятностей измерительных шумов. Энтропийно-оптимальные распределения соответствуют состоянию максимальной неопределенности, что позволяет использовать получаемые в итоге прогнозы, как прогнозы наиболее ``негативного'' сценария исследуемого процесса. Полученные оценки параметров и ...
Добавлено: 28 октября 2022 г.
Добавлено: 27 марта 2022 г.
Puzachenko Y. G., Сандлерский Р. Б., Svirejeva-Hopkins A., Ecological Modelling 2011 Vol. 222 No. 16 P. 2913–2923
Добавлено: 27 марта 2022 г.
Puzachenko Y. G., Сандлерский Р. Б., Кренке А. Н. и др., Ecological Modelling 2016 Vol. 319 P. 255–274
Добавлено: 27 марта 2022 г.
Sandlersky Robert, Krenke Alexander, Entropy 2020 Vol. 22 No. 10 Article 1132
Добавлено: 21 марта 2022 г.