SCI Библиотека

Вданной статье описаны результаты исследования по автоматизации классификации генетических мутаций на основе их текстового описания (клинические данные). В качестве метода машинного обучения используется Наивный байесовский классификатор (Naive Bayes), метрика: Accurаcy и логистическая функция потерь: LogLoss. Представлен процесс подбора гиперпораметров, который позволил улучшить значения выбранных метрик, характеризующих качество модели.

Статья посвящена способам оптимизации работы с данными в клиентской части web-приложения в рамках проекта BioSense. Рассмотрены такие подходы, как использование новейшей системы сборки; уменьшение итогового размера исходного кода за счет использования более простых и легковесных библиотек; разбиение исходного кода на небольшие части; пагинация и виртуализация таблиц.

В работе предложен единый подход к нескольким вариантам решения задачи о квантификации кластеров уже имеющегося кластерного разбиения конечного множества. В результате применения любого из предлагаемых подходов каждый кластер получает, вообще говоря, векторные метки. Для этого применяется методика, близкая к анализу латентных классов: каждый объект или каждый признак в рамках кластера отождествляется с некоторым вектором, а из полученных векторов геометрическим методами извлекается некая общая часть, вектор, в наибольшей степени близкий к каждому из построенных векторов. Этот вектор и объявляется меткой кластера.

В данной работе изучается симметрический поток Риччи на трехмерных унимодулярных группах Ли с полусимметрической связностью. Уравнение потока в системе координат Дж.Милнора приводится к системе алгебраических и дифференциальных уравнений. Решая последовательно сначала подсистему из алгебраических уравнений и после подставляя полученное решение в систему дифференциальных уравнений, мы находим ограничение на симметрический поток Риччи на трехмерной унимодулярной группе с метрикой Дж. Милнора относительно полусимметрической связности. В качестве тестового примера рассматривается трехмерная группа SU(2).

Статья посвящена проектированию расчётного модуля для проекта “BioSense”. Описываются расчёты на основе исходных данных различных статистических показателей: средние значения (суточные, годовые), максимумы, минимумы и стандартные отклонения. Особое внимание уделяется методам корреляционного анализа данных из нескольких датчиков, которые измеряют одинаковые параметры в одной локации. Проектирование данного модуля позволит автоматизировать реализацию запросов с анализом климатических данных.

В статье показано, что всякая 2-порожденная n-мерная нильпотентная алгебра R над алгебраически замкнутым полем с условием dim R2/R3=dim R3/R4=3 удовлеетворяет стандартному тождеству степени k=[(1+√(1+8n))/2].

В случае, когда изучаемые объекты разбиты на кластеры, для построения более точных математических моделей удобно использовать искусственную переменную, которая каждому объекту ставит в соответствие его кластер. Эта кластерная переменная нуждается в переводе в числовую форму, т.е. в квантификации. Сегодня для решения этой задачи часто применяют алгоритм анализа соответствий. Он позволяет квантифицировать сразу пару нечисловых переменных по таблицеих сопряженности. Но оказывается, метод перестает работать в случае, когда кластеры в задаче выделяются предельно четко, в частности, он склонен приписывать различным кластерам одинаковые метки. Поэтому актуальна задача его модификации. В работе обсуждаются несколько методов идентификации и последующего обхода формальных сбоев методики анализа соответствий для случая четко выделяющихся кластеров.

Целью данной исследовательской работы является исследование эффективности различных методов машинного обучения. В данной работе будут проанализированы и будет проведено сравнение нескольких широко используемых методов, включая линейную регрессию, PolynomialFeatures, метод градиентного бустинга, метод случайного леса.