DEDPUL: Difference-of-Estimated-Densities-based Positive-Unlabeled Learning

Dmitry Ivanov

doi:10.1109/ICMLA51294.2020.00128

АБВ
АБВ
АБВ

Обычная версия сайта

Приоритетные направления

по году

Тематика

Новости

27 мая 2026 г.

Нейросетевое отображение как метод создания математических моделей

Ученые НИУ ВШЭ в Нижнем Новгороде и Белградского института физики (Сербия) совместно изучают возможности применения методов машинного обучения и использования нейросетей в исследованиях нелинейной динамики. О международном проекте «Вышке.Главное» рассказала его руководитель от ВШЭ, ведущий научный сотрудник Лаборатории топологических методов в динамике факультета информатики, математики и компьютерных наук НИУ ВШЭ в Нижнем Новгороде Наталия Станкевич.

26 мая 2026 г.

Нейролингвисты НИУ ВШЭ помогли врачам провести операцию с пробуждением 11-летнему мальчику с эпилепсией

Сотрудники Центра языка и мозга НИУ ВШЭ приняли участие в редкой для детской нейрохирургии операции с пробуждением у 11-летнего пациента с фармакорезистентной эпилепсией. Совместно с врачами НПЦ специализированной медицинской помощи детям имени В.Ф. Войно-Ясенецкого в Солнцево они сопровождали удаление участка левой височной доли, где был выявлен эпилептический очаг.

26 мая 2026 г.

Гибкость рынка труда как новая норма: ее формы и адаптация работников

Гибкий рынок труда, который наблюдается сегодня, — не временная тактика или вынужденная мера, а системный ответ на ряд вызовов. Как меняется карьера, какие формы гибкости встречаются и как работникам адаптироваться к ним, в колонке для IQ Медиа размышляет директор Института занятости и профессий НИУ ВШЭ Федор Прокопов.

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

Публикации

?

DEDPUL: Difference-of-Estimated-Densities-based Positive-Unlabeled Learning

P. 782–790.

Dmitry Ivanov

Язык: английский

Полный текст

DOI

Текст на другом сайте

Ключевые слова: density estimation Semi-supervised learning Positive-Unlabeled Classification Mixture Proportions Estimation

ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:

Механизмы распределения и общественного выбора: аксиомы, стимулы, алгоритмы (2020)

В книге

2020 19th IEEE International Conference on Machine Learning and Applications (ICMLA 2020)

Miami: IEEE, 2020.

Refining the ONCE Benchmark With Hyperparameter Tuning

Maksim Golyadkin, Alexander Gambashidze, Nurgaliev I. и др., IEEE Access 2024 Vol. 12 P. 3805–3814

Добавлено: 13 марта 2024 г.

Social media mining for ideation: Identification of sustainable solutions and opinions

Ozcan S., Suloglu M., Sakar C. O. и др., Technovation 2021 Vol. 107 No. September 2021 P. 1–12

The availability of social media-based data creates opportunities to obtain information about consumers, trends, companies and technologies using text mining techniques. However, the quality of the data is a significant concern for social media-based analyses. The aim of this study was to mine tweets (microblogs) to explore trends and retrieve ideas for various purposes such ...

Добавлено: 12 декабря 2021 г.

2020 19th IEEE International Conference on Machine Learning and Applications (ICMLA 2020)

Miami: IEEE, 2020.

Добавлено: 15 октября 2020 г.

Density deconvolution under general assumptions on the distribution of measurement errors

Беломестный Д. В., Гольденшлюгер А., Annals of Statistics 2021 Vol. 49 No. 2 P. 615–649

Добавлено: 7 апреля 2020 г.

Об оценке плотности распределения с помощью ряда Фурье

Беломестный Д. В., Иосипой Л. С., Управление большими системами: сборник трудов 2019 № 82 С. 28–43

Рассматривается классическая статистическая задача оценки плотности распределения по выборке из этого распределения. Данная задача возникает в различных прикладных областях при попытке изучить вероятностную структуру некоторого случайного процесса. Например, с помощью оценки плотности можно идентифицировать некоторую структуру в сложной системе, а затем сделать выводы о неизвестных параметрах этой системы. В данной работе предлагается новый способ оценивания плотности ...

Добавлено: 21 октября 2019 г.

Semi-Conditional Normalizing Flows for Semi-Supervised Learning

Атанов А. И., Volokhova A., Ашуха А. П. и др., Workshop on Invertible Neural Nets and Normalizing Flows, International Conference on Machine Learning 2019 P. 1–9

Добавлено: 11 июля 2019 г.

On the prediction loss of the lasso in the partially labeled setting

Bellec P., Dalalyan A., Grappin E. и др., Electronic journal of statistics 2018 Vol. 12 No. 2 P. 3443–3472

Добавлено: 9 ноября 2018 г.

Sobolev-Hermite versus Sobolev nonparametric density estimation on R

Беломестный Д. В., Comte F., Genon-Catalot V., Annals of the Institute of Statistical Mathematics 2019 Vol. 71 No. 1 P. 29–62

In this spaper, our aim is to revisit the nonparametric estimation of a square integrable density f on R, by using projection estimators on a Hermite basis. These estimators are studied from the point of view of their mean integrated squared error on R. A model selection method is described and proved to perform an ...

Добавлено: 5 мая 2018 г.

Generalized Post–Widder inversion formula with application to statistics

Беломестный Д. В., Mai H., Schoenmakers J., Journal of Mathematical Analysis and Applications 2017 No. 455 P. 89–104

Добавлено: 22 сентября 2017 г.

Asymptotics for in-sample density forecasting

Lee Y. K., Маммен Э. М., Nielsen J. и др., Annals of Statistics 2015 No. 43 P. 620–645

Добавлено: 12 декабря 2014 г.