ChemNet
 

Заседание семинара по социофизике

к. ф.-м.н., доц. С.Н.Кольцов (НИУ ВШЭ, Санкт-Петербургская школа
социальных и гуманитарных наук, лаб. интернет-исследований, С.-Петербург)

Восстановление плотности многомерных распределений
в виде смеси распределений на основе тематического моделирования

Аннотация доклада

В связи с бурным развитием вычислительной техники наблюдается резкий рост работ в области методов статистического моделирования, в особенности в моделях с применением марковских цепей (МСМС-моделирование). Байесовский подход к оценке скрытых параметров многомерных распределений де-факто стал одним из ведущих методов в таких направлениях, как физика высоких энергий, масс-спектрометрия и биоинформатика, астрофизика, статистическая физика и социология. Одним из наиболее распространенных алгоритмов оценки скрытых параметров на основе наблюдаемых данных является алгоритм сэмплирования по Гиббсу. Алгоритм примечателен тем, что для него не требуется явно выраженное совместное распределение, а нужны лишь одномерные условные вероятности, входящие в распределение. В рамках доклада предполагается обсуждение проблемы (проблема стабильности и проблема выбора числа тем) восстановления исходного многомерного неравновесного распределения в виде смеси распределений со скрытыми параметрами на основе подхода ‘тематическое моделирование’. Также будут представлены социологические примеры применения тематического моделирования.




Сервер создается при поддержке Российского фонда фундаментальных исследований
Не разрешается  копирование материалов и размещение на других Web-сайтах
Вебдизайн: Copyright (C) И. Миняйлова и В. Миняйлов
Copyright (C) Химический факультет МГУ
Написать письмо редактору

Для того, чтобы мы могли качественно предоставить Вам информацию, мы используем cookies, которые сохраняются на Вашем компьютере (сведения о местоположении; ip-адрес; тип, язык, версия ОС и браузера; тип устройства и разрешение его экрана; источник, откуда пришел на сайт пользователь; какие страницы открывает и на какие кнопки нажимает пользователь; эта же информация используется для обработки статистических данных использования сайта посредством интернет-сервисов Google Analytics и Яндекс.Метрика). Нажимая кнопку «СОГЛАСЕН», Вы подтверждаете то, что Вы проинформированы об использовании cookies на нашем сайте. Отключить cookies Вы можете в настройках своего браузера.
СОГЛАСЕН