On some properties of randomized machine learning procedures in the presence of noisy data

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Somente assinantes

Resumo

We study various models of measuring noises in the procedures of randomized entropy estimation of probability density functions: additive and multiplicative, measuring noises at the input and output of the object’s model. The properties of entropy-optimal probability density functions are studied, it is shown that the measurement noises corresponding to them are heteroscedastic.

Sobre autores

Y. Popkov

Federal Research Center “Computer Science and Control” of Russian Academy of Sciences

Autor responsável pela correspondência
Email: popkov@isa.ru

Federal Reearch Center “Computer Science and Control” of Russian Academy of Sciences, chief research scientist; Member of RAS, Doctor of Science in Engineering, professor; Institute of Control Sciences of Russian Academy of Sciences, chief research scientist. Scientific area: entropy methods, macrosystems, randomized machine learning

Rússia, Moscow

Bibliografia

  1. Popkov Yu.S., Popkov A.Yu., Dubnov Yu.A. Entropy Randomization in Mashine Learning, 2023, CRC Press, Taylor & Francis Group.
  2. Shannon C.E. Mathematical Theory of Communication. 1948, The Bell System Technical Journal, v.27, p.373- 423, 623-656.
  3. Jaynes E.T. Information theory and statistical Mechanics. Physical Review, 1957, v.104(4), p.620-630.
  4. Jaynes E.T. Gibbs vs Boltzmann entropy. American Journal of Physics, 1965, v.33, p.391-398.
  5. Rosenkrantz R.D., Jaynes E.T. Paper on Probability, Statistics,and Statistical Physics. Kluwer Academic Pablishers, 1989.
  6. Popkov Yu.S. Qualitative Properties of Random Maximum Entropy Estimates of Probability Density Functions. Mathematics, 2021, 9, 548, doi.org/10.3390/math9050548.
  7. Bollerslev T., Engle R.F., Nelson D.B. ARCH Models. In: Engle R.F. and McFadden D.C.,eds. Handbook of Econometrics, 1994, Elsevier Science, Amsterdam, p.2961-3038.
  8. Cai T.T., Wang L. Adaptive variance function estimation in heteroscedastic nonparametric regression. Ann. Stat., 2008, v. 36(5), p. 2025-2054, doi: 10.1214/07-AOS509.
  9. Oreshko N.I. Vosstanovlenie zakona heteroskedaticheskogo shuma pri traektornikh izmereniah na osnove veivlet-tehnologiy // Izvestia SPbLETU “LETI”, 2013, No. 9, pp. 16-21.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».