Стохастическое
программирование
О. Н. Граничин, А.А.Бояров, А.А. Сенов
Лекции для студентов 4 курса, весна
2014:
12.02 – 2. Оптимизация функционала среднего
риска. Алгоритмы стохастической аппроксимации. Рандомизированные
алгоритмы
19.02 – 1. Постановка задачи обучения. Виды обучения. Примеры алгоритмов обучения с учителем
26.02 – 1. Сведения из ТВ и теории
оценивания
05.03 – 1. Оценивание по конечному числу
наблюдений, Теорема Гаусса-Маркова
05.03 – 2. Рекуррентные модификации МНК
12.03 – 1. Введение в кластеризацию.
Алгоритм k-средних
12.03 – 2. EM алгоритм. Статистическая
проверка гипотез. Задание 2
19.03 – 1. Оптимальная фильтрация. Фильтр
Винера-Колмогорова
19.03 – 2. Фильтр Калмана-Бьюси
26.03 – 1. Элементы теории оценивания. Метод эмпирического
функционала. Байесовские оценки
26.03 – 1. Элементы теории оценивания. Метод максимума
правдоподобия . Достижимая точность оценивания
02.04 – 1. Метод стохастической аппроксимации. Рандомизированные алгоритмы стохастической аппроксимации.
Задание 3
02.04 – 2. Спектральная кластеризация. Сигма-обучение
09.04 – 1. Устойчивость кластеризации.
09.04 – 2. Критерии устойчивости. Вероятностные метрики
16.04 – 1. Метрики с ядрами.
16.04 – 2. Метод минимального остовного дерева. Задание 4
23.04 – 1. Биномиальная модель. Метод ближайших соседей. Метрика
Хоттелинга
23.04 – 2. Устойчивость кластеризации как задача оптимизации.
Рандомизированный алгоритм устойчивой кластеризации
30.05 – 1. Примеры применения алгоритмов кластеризации в различных
проектах. Разбор решений задач
07.05 – 1. Заключение. Подведение итогов
Санкт-Петербург
2014
Литература:
Основная
1.
Граничин О.Н. "Введение в стохастические методы оптимизации
и оценивания". –СПб.: Изд-во СПбГУ, 2003, 131 c.
2.
Граничин О.Н., Поляк
Б.Т. Рандомизированные алгоритмы оценивания и оптимизации при почти
произвольных помехах. – М.: Hаука. 2003. 291с.
3.
Вапник В.Н. Восстановление зависимостей по эмпирическим данным.
– М.: Hаука. 1979. 447с.
Дополнительная
1. Фомин В.Н. “Рекуррентное оценивание и адаптивная фильтрация”. М.: Наука, 1984, 288 с.
2.
Kushner
H.J., Yin G.G. “Stochastic Approximation and Recursive Algorithms and
Applications”. – Springer. 2003. 475 p.
3.
Spall
J.C. “Introduction to Stochastic Search and Optimization”. –
Wiley-Interscience. 2003. 597 p.
4.
Borkar V.S. “Stochastic Approximation”.
–
5.
Катковник В. Я. Линейные оценки и стохастические
задачи оптимизации. М.: Наука, 1976
6.
Webb A. Statistical pattern recognition.
Wiley. 2002.
7. Кибзун А.И., Горяинова Е.Р., Наумов А.В. Теория вероятностей и математическая статистика. Базовый курс с примерами и задачами. М.: Физматлит, 2005.