This shows you the differences between two versions of the page.
Both sides previous revision Previous revision Next revision | Previous revision Next revision Both sides next revision | ||
staff:courses:theses [2019/10/04 06:42] mark |
staff:courses:theses [2019/10/10 07:23] mark |
||
---|---|---|---|
Line 153: | Line 153: | ||
===== Тимур Жангиров ===== | ===== Тимур Жангиров ===== | ||
- | === Сравнительный анализ методов выявления аномальных данных в микробиологических данных === | + | ==== Сравнительный анализ методов выявления аномалий в микробиологических данных ==== |
- | Цель: провести анализ методов выявления аномальных данных и выдвинуть предложения по их улучшению | + | Цель: провести анализ методов выявления аномальных в микрибиологических данных и выдвинуть предложения по их улучшению |
+ | |||
+ | Основная сложность заключается в том, что микробиологические данные имеют сложные характер, и стандартные статистические методы не всегда определяют аномалии. Поэтому основной упор необходимо сделать на сравнение статистических методов и методов машинного обучения. | ||
Возможные задачи: | Возможные задачи: | ||
Line 163: | Line 165: | ||
* Улучшить существующий или предложить новый метод | * Улучшить существующий или предложить новый метод | ||
- | === Анализ эффективности генетических алгоритмов для построения нелинейной регрессии === | + | ==== Анализ эффективности генетических алгоритмов для построения нелинейной регрессии ==== |
- | Цель: провести анализ эффективности применения генетических алгоритмов для построения нелинейной регрессии | + | Цель: провести анализ эффективности применения генетических алгоритмов для построения нелинейной регрессии на микробиологических данных |
+ | |||
+ | Так как стандартные методы построения регрессий подразумевают заранее известный вид зависимости (линейный, логарифмический, экспоненциальный, и.т.д.). Применение генетических алгоритмов потенциально позволит не только оптимизировать модель регрессии, но и автоматически определять вид зависимости. | ||
Возможные задачи: | Возможные задачи: | ||
Line 172: | Line 176: | ||
* Анализ эффективности генетических алгоритмов в данной задаче | * Анализ эффективности генетических алгоритмов в данной задаче | ||
- | === Разработка и реализация алгоритма сжатия данных на основе автокодирующих нейронных сетей === | + | ==== Разработка и реализация алгоритма сжатия данных на основе автокодирующих нейронных сетей ==== |
- | Цель: Разработка алгоритма архивации данных на основе автокодирующих нейронных сетей с целью повышения качества архивации по сравнению с существующими алгоритмами | + | Цель: Разработка алгоритма сжатия данных на основе автокодирующих нейронных сетей с целью повышения качества архивации по сравнению с существующими алгоритмами |
+ | |||
+ | Данный алгоритм может применяться в разработке нового архиватора или нового протокола передачи данных | ||
Возможные задачи: | Возможные задачи: | ||
Line 181: | Line 187: | ||
* Анализ разрабатонного алгоритма | * Анализ разрабатонного алгоритма | ||
- | === Анализ алгоритма построения траекторий OCTNet в двумерном пространстве === | + | ==== Анализ алгоритма построения траекторий OCTNet в двумерном пространстве ==== |
Цель: Провести анализ алгоритма построения траектории OCTNet, с целью выявления его ограничений и преимуществ над другими алгоритмами построений траекторий | Цель: Провести анализ алгоритма построения траектории OCTNet, с целью выявления его ограничений и преимуществ над другими алгоритмами построений траекторий | ||
+ | |||
+ | Основной упор необходимо сделать на построение траекторий (маршрутов) для интеллектуального агента ориентирующегося в замкнутых статических пространствах. Предполагается сравнанение, не только с детерминированными алгоритмами, но алгоритмами основанными на генеративно-состязательных нейронных сетях и нейронных сетях обученых методом любопытства. | ||
Возможные задачи: | Возможные задачи: | ||
Line 191: | Line 199: | ||
* Выдвижение гипотез по улучшению алгоритма OCTNet | * Выдвижение гипотез по улучшению алгоритма OCTNet | ||
- | === Разработка и реализация алгоритма аугментации микробиологических данных на основе генеративно-состязятальных сетей === | + | ==== Разработка и реализация алгоритма аугментации микробиологических данных на основе генеративно-состязятальных сетей ==== |
- | Цель: Разработать алгоритм аугментации данных на основе генеративно-состязательных сетей | + | Цель: Разработать алгоритм аугментации микробиологических данных на основе генеративно-состязательных сетей |
+ | |||
+ | Основные проблемы заключается в том, что большинство методов аугментации данных связанны с графическими данным, которые представлены в виде изображения, а методы направленные на неграфические данные могут генерировать неконсистентные данные. Применения генеративно-состязательных сетей потенциально решит проблему аугментации неграфических данных и валидацию получаемых данных. | ||
Возможные задачи: | Возможные задачи: | ||
Line 200: | Line 210: | ||
* Реализация алгоритма аугментации на основе генеративно-состязательных сетей | * Реализация алгоритма аугментации на основе генеративно-состязательных сетей | ||
* Анализ эффективности алгоритма аугментации и сравнение с существующими алгоритмами аугменацтии данных | * Анализ эффективности алгоритма аугментации и сравнение с существующими алгоритмами аугменацтии данных | ||
- | ===== Дмитрий Карташев ===== | ||