Применение машинного обучения в анализе научных данных

BigData и машинное обучение

HighLoad в науке

Доклад принят в программу конференции

Тезисы

Методы искусственного интеллекта (ИИ) демонстрируют свою эффективность не только в области современных IT-технологий, но и в области фундаментальных научных исследований. Распознавание образов для обработки большого числа изображений, удаление шумов из сигнала и многое другое — базовые задачи в области ИИ.

В настоящем докладе продемонстрирую применение МО в области анализа спектров в сравнении с классическими подходами. Будет описан полный путь от сбора данных, их подготовки и построения решения задачи с нетипичным функционалом ошибки, который полностью строится, исходя из задачи. Второй задачей будет рассмотрена классификация режимов сложных динамических систем. Применение метода показателей Ляпунова полностью отвечает на этот вопрос. Расчет данного показателя является сложной задачей, однако применение машинного обучения существенно снижает затраты на вычисления. Построение методом генерации обучающих данных и сравнение по вычислениям с другими классическими подходами.

4+ лет в анализе данных.
Ассистент кафедры цифровых технологий Воронежского гос. университета.
Занимается исследованиями в области машинного обучения, теории управления, производных переменного порядка.
Главный аналитик ГК Иннотех в центре реализации ПБ.

ГК Иннотех

.

Видео

Другие доклады секции

BigData и машинное обучение