Рандомизация для задач анализа информации и
управления в реальном времени
профессор О. Н.
Граничин
Весна 2011, 4 курс,
кафедра Системного программирования
1.
Введение. Трудности задач анализа
информации и управления в реальном времени
1.1.
Процесс получения данных и управления
1.2.
Неопределенности
1.3.
Байесовский подход
1.4.
Недостаточность разнообразия исходных данных. Изменчивость данных со
временем
1.5.
Ограничениями по ресурсам в условиях реального времени
1.6.
Пример обработки заданий сервером
1.7.
Пример балансировки нагрузки в вычислительной сети
2.
Рандомизированные алгоритмы
2.1.
«Провалы» детерминированных подходов
2.2.
Понятие рандомизированного алгоритма
2.3.
Парадигма рандомизированного подхода
2.4.
Пример вычисления по Методу Монте-Карло площади «подграфика»
2.5.
Пример состоятельности рандомизированного алгоритма в задаче обнаружения
сигнала на фоне почти произвольных помех
4.
Понятие функционала среднего риска. Метод эмпирического функционала
5.
Приближение одной случайной величины с помощью семейства других
6.
Байесовское оценивание
7.
Метод максимального правдоподобия. Достижимая точность оценивания
8.
Метод стохастической аппроксимации
8.1.
Алгоритм Роббинса-Монро
8.2.
Процедура Кифера-Вольфовица
9.
Рандомизированные алгоритмы стохастической аппроксимации (SPSA)
9.1.
Алгоритмы с двумя измерениями
9.2.
Алгоритм с одним измерением
9.3.
Состоятельность при почти произвольных помехах
9.4.
Оптимальная минимаксная скорость сходимости
9.5.
Алгоритмы с постоянным размером шага
9.6.
Пример оптимизации работы сервера
10.
Линейные задачи. Оценки МНК. Теорема Гаусса-Маркова
11.
Рекуррентные модификации МНК
12.
Фильтр Винера-Колмогорова
13.
Фильтр Калмана-Бьюси
14.
Compressive Sensing
15.
Алгоритмы обучения и самообучения. Кластеризация
16.
Заключение. Перспективы стохастического программирования
Литература:
1.
Граничин О.Н. Стохастическая
оптимизация и системное программирование // Стохастическая
оптимизация в информатике, т.6, вып. 1, с. 3-44 (Лекции 1-3)
2.
Граничин
О.Н., Поляк Б.Т. «Рандомизированные
алгоритмы оптимизации и оценивания при почти произвольных помехах», М.:Наука, 2003. 291 с.
(Лекции 2, 4-13, 15)
3.
Граничин О.Н.
Введение в методы стохастической оптимизации и оценивания. Учебное
пособие. СПб.: Изд-во С.-Петерб. университета, 2003, 131с. (Лекции
2, 4-13, 15)
4.
Граничин О.Н., Павленко Д.В. Pандомизация получения данных и l_1-оптимизация // Автоматика
и телемеханика, 2010, № 11, с. 3 -28 (Лекция 1)
5.
Граничин О.Н., Шалымов Д.С., Аврос Р., Волкович З.
Pандомизированный алгоритм нахождения количества
кластеров // Автоматика и
телемеханика, 2011 (Лекции 2, 15)
Дополнительная:
6. Кушнер Дж, Ин Г. «Stochastic Approximation and Recursive Algorithms and Applications »
7. Спал Д. «Стохастическая оптимизация»
8. Borkar V. “Stochastic Approximation”
9. Campi M. “Selected Topics In Probability”