Мы используем файлы cookies для улучшения работы сайта НИУ ВШЭ и большего удобства его использования. Более подробную информацию об использовании файлов cookies можно найти здесь, наши правила обработки персональных данных – здесь. Продолжая пользоваться сайтом, вы подтверждаете, что были проинформированы об использовании файлов cookies сайтом НИУ ВШЭ и согласны с нашими правилами обработки персональных данных. Вы можете отключить файлы cookies в настройках Вашего браузера.

  • A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Неасимптотический анализ случайных объектов в пространствах высокой размерности и приложения к задачам машинного обученияNon-asymptotic analysis of high-dimensional random objects and applications in machine learning

Члены комитета:
Назин Александр Викторович (Институт проблем управления им. В.А. Трапезникова РАН, доктор физико-математических наук, председатель комитета), Бурнаев Евгений Владимирович (Сколковский институт науки и технологий, доктор физико-математических наук, член комитета), Лифшиц Михаил Анатольевич (Санкт-Петербургский государственный университет, доктор физико-математических наук, член комитета), Панов Владимир Александрович (Национальный исследовательский университет «Высшая школа экономики», PhD, член комитета), Стрижов Вадим Викторович (Московский физико-технический институт (национальный исследовательский университет), доктор физико-математических наук, член комитета)
Диссертация принята к предварительному рассмотрению:
23.06.2022
Диссертация принята к защите:
18.07.2022 (Протокол №12)
Дисс. совет:
Совет по компьютерным наукам
Дата защиты:
9.09.2022
В диссертационной работе изучаются неасимптотические неравенства для случайных объектов в пространствах высокой размерности: неравенства сравнения для гауссовских мер, неравенства концентрации для квадратичных форм от марковских цепей, моментные и вероятностные оценки для произведений случайных матриц. Термин неасимптотические здесь означает, что мы имеет дело не с предельными теоремами, а с явными оценками, которые могут быть или безразмерными, или явным образом содержать в себе зависимость от параметра размерности. Полученные неравенства могут представлять, как независимый интерес, так и применяться для теоретического анализа алгоритмов машинного обучения. В частности, в диссертации рассматриваются приложения к задаче снижения дисперсии в алгоритмах МСМС, сходимости алгоритмов линейной стохастической аппроксимации и временной разницы в обучении с подкреплением, а также бутстреп методу и байесовскому оцениванию.
Диссертация [*.pdf, 8.32 Мб] (дата размещения 27.06.2022)
Резюме [*.pdf, 2.02 Мб] (дата размещения 27.06.2022)
Summary [*.pdf, 1.95 Мб] (дата размещения 27.06.2022)

Публикации, в которых излагаются основные результаты диссертации



Отзывы
Отзыв научного руководителя
Сведения о результатах защиты:
Комитет по диссертации рекомендовал присудить ученую степень доктора наук (протокол № 2 от 09.09.2022). Решением диссертационного совета (протокол № 17 от 14.09.2022) присуждена ученая степень доктора компьютерных наук.
См. на ту же тему

Разработка алгоритмов построения пайплайнов машинного обучения методами обработки естественного языка основанными на данныхКандидатская диссертация

Соискатель: Трофимова Екатерина Алексеевна
Руководитель: Устюжанин Андрей Евгеньевич

Моделирование репродуктивного поведения россиян в периоды шоков 2000-2023 годовКандидатская диссертация

Соискатель: Горский Дмитрий Ильич
Руководитель: Вакуленко Елена Сергеевна

Приложение машинного обучения к теоретико-игровым задачам: аукционы и марковские игрыКандидатская диссертация

Соискатель: Иванов Дмитрий Игоревич
Руководитель: Нестеров Александр Сергеевич
Дата защиты: 27.12.2024