By this author

Randomized Machine Learning Algorithms to Forecast the Evolution of Thermokarst Lakes Area in Permafrost Zones

Issue number 1 from 15.01.2023

Рандомизированное машинное обучение ориентировано на задачи, сопровождаемые значительной неопределенностью в данных и моделях. Алгоритмы машинного обучения формулируются в терминах функциональной задачи энтропийно-линейного программирования. Рассматривается методика их адаптации к задачам прогнозирования на примере временной эволюции площади термокарстовых озер в зонах вечной мерзлоты, которые являются генераторами метана - одного из парниковых газов, влияющих на изменения климата. Предлагаются процедуры рандомизированного машинного обучения, использующие модели динамической регрессии со случайными параметрами, и ретроспективные данные климатических параметров и дистанционного зондирования земной поверхности. Развивается алгоритм рандомизированного машинного обучения, позволяющий вычислять оценки функций плотности распределения вероятностей параметров модели и измерительных шумов. Рандомизированное прогнозирование реализовано в виде алгоритмов трансформации оптимальных распределений в соответствующие им случайные последовательности (алгоритмы сэмплирования). Развиваемые процедуры и технологии рандомизированного прогнозирования применены для обучения, тестирования и прогнозирования эволюции площади термокарстовых озер Западной Сибири.

9 0

Eksperimental'nyy analiz algoritma otsenivaniya gel'derovoy eksponenty na baze kontseptsii ϵ-slozhnosti nepreryvnykh funktsiy

Issue number 4 from 15.04.2023

В работе приводится описание метода оценивания гёльдеровой экспоненты на базе недавно сформулированной концепции ǫ-сложности непрерывных функций. Приведены результаты вычислительных экспериментов по оценке гёльдеровой экспоненты для гладких и фрактальных функций, а также результаты вычислительных экспериментов с траекториями дискретных детерминированных и стохастических систем.

8 0