Харюк Павел Васильевич Тензорные методы для обработки и анализа биомедицинских данных в задачах машинного обучения

brief description

Харюк Павел Васильевич Тензорные методы для обработки и анализа биомедицинских данных в задачах машинного обучения
ОГЛАВЛЕНИЕ ДИССЕРТАЦИИ
кандидат наук Харюк Павел Васильевич
Введение

1 Машинное обучение: задачи, алгоритмы, признаковое пространство, многомерные данные

1.1 Стандартные задачи машинного обучения

1.2 Обзор ряда алгоритмов машинного обучения

1.3 Методология проведения вычислительных экспериментов

1.4 Признаковое пространство

1.5 Многомерные данные и тензорные разложения

2 WTT разложение для сжатия наборов данных

2.1 Вейвлеты и WTT как адаптивное ортогональное преобразование

2.2 Сжатие изображений

2.3 Сжатое представление для анализа данных

2.4 Выводы по главе

3 Тензорные разложения в задачах анализа данных

3.1 Компонентные модели

3.2 Классификаторы на основе компонентных моделей

3.3 Задача идентификации лекарственных растений

3.4 Выводы по главе

4 Групповой анализ многомерных данных

4.1 Параметризация структуры данных для группового анализа

4.2 Детерминистическая модель данных на основе блочного тензорного разложения

4.3 Вероятностное блочное тензорное разложение для параметризации смеси распределений

4.4 Выводы по главе

5 Программный комплекс реализации моделей и алгоритмов

5.1 Общие сведения об использованной среде разработки

5.2 Программный модуль реализации WTT разложения для сжатия данных и контрастирования

5.3 Программный модуль для видовой идентификации растений по данным жидкостной хроматомасс- спектрометрии

5.4 Программный модуль реализации моделей данных на основе BTD разложения

Заключение

Список обозначений

Список сокращений

Список литературы