WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 10 | 11 || 13 | 14 |   ...   | 18 |

2. Vincent, L. (1993) Morphological grayscale reconstruction in image analysis, Applications and efficient algorithms. // IEEE Transactions on Image Processing, Vol.p.176- Данная работа была выполнена при частичной поддержке Российского Фонда Фундаментальных Исследований гранты №№ 07-07-13545 и 08-01-90022 и проекта программы президиума РАН "Фундаментальные науки - медицине", 2009 год.

Модификация многоуровнего метода Монте-Карло Нагапетян Тигран Артурович студент кафедры Системного анализа.

Московский Государственный Университет имени М.В. Ломоносова, Москва, Россия e-mail: nagapetyan@gmail.com При моделировании траекторий стохастических дифференциальных уравнений методом Монте Карло, широко используемым в финансовой математике, целью является вычисление цены опциона, который является некоторым функционалом от решения соответствующего стохастического дифференциального уравнения.

Стандартные методы Монте Карло, решающие данную задачу с точностью O(e ) при использовании схемы Эйлера, имеют сложность порядка O(e ). В работе [1] был предложен многоуровненый метод Монте-Карло, идеи которого схожи с идеями, используемыми в многосеточных методах решения систем линейных алгебраических уравнений. Данный метод имеет сложность O(e (loge)2 ) при достижении той же точности.

В данной работе исследовалось применение данного метода к различного рода опционам и был получен класс задач, на которых прямое использование данного метода не приводило к верному результату. Данная проблема была изучена и был предложен метод, решающий ее, основанный на изменении способа выбора начальной сетки. Кроме того, была показана связь между изменениями уровня сгущения начальной сетки и условиями задачи.

Литература 1. Giles M. « Multi-level Monte Carlo path simulation» Operations Research, 56(3):607617, 2008.

2. P.E. Kloeden and E. Platen. «Numerical Solution of Stochastic Differential Equations» Springer-Verlag, Berlin, 1992.

3. P. Glasserman. «Monte Carlo Methods in Financial Engineering» Springer-Verlag, New York, 2004.

Применение сеточных методов к задаче разделения смесей вероятностных распределений.

Назаров Алексей Леонидович, Гапонова Маргарита Олеговна студент, студент Московский Государственный Университет имени М.В. Ломоносова, Москва, Россия e–mail: nazarov.vmik@gmail.com, margarita.gaponova@gmail.com Конечные смеси нормальных законов находят самое широкое применение как модели распределения многих величин, наблюдаемых на практике. В связи с этим часто возникает задача разделения смесей. Для решения данной задачи авторами был использован сеточный метод. Его главная идея заключается в приближении истинного распределения некоторой смесью нормальных распределений с заранее заданным числом компонент. При этом параметры компонент (математическое ожидание и дисперсия) известны и соответствуют узлам сетки, «наброшенной» на область их возможных значений. Корректность данного подхода объясняется тем, что при увеличении числа узлов сетки найдутся параметры, практически неотличимые от истинных. Конечные смеси нормальных законов обладают свойством идентифицируемости, поэтому найденные веса будут близки к искомым.

Для оценки весов исследуемой смеси используется метод максимального правдоподобия, заключающийся в поиске вектора, на котором функция правдоподобия достигает максимума. Область возможных значений весов является выпуклым компактом, функция правдоподобия на этом множестве - гладкая и вогнутая, поэтому данный вектор существует и единственен.

На практике поиск данного вектора может быть осуществлен с помощью «усеченного» ЕМ-алгоритма или метода условного градиента. Особенностью этих подходов является то, что итерационный процесс может быть записан в явном виде.

Оба метода были реализованы авторами на языке С++. Для исследования их работы использовалась задача получения портретов волатильности финансовых индексов, решаемая с помощью скользящего разделения смесей. В качестве исходных данных были взяты минутные логарифмические приращения биржевых индексов AMEX, NASDAQ, NIKKEI, CAC40. В силу того, что временные ряды логарифмических приращений лишены явной трендовой составляющей, и их среднее близко к нулю, математическое ожидание компонент принималось нулевым.

Анализ полученных результатов показал, что оба метода дают приблизительно одинаковые значения как оцениваемых параметров, так и скорости работы. Сравнение результатов работы сеточных методов с аналогичными классическими дает право сделать вывод о том, что данная модель является адекватной для поставленной задачи.

Литература 1. Королев В.Ю. Вероятностно-статистический анализ хаотических процессов с помощью смешанных гауссовских моделей. Декомпозиция волатильности финансовых индексов и турбулентной плазмы. // М.: Издательство ИПИРАН, 2. Васильев Ф.П. Численные методы решения экстремальных задач. // М.: Издательство Наука, 1988.

3. Королев В.Ю., Непомнящий Е.В., Рыбальченко А.Г., Виноградова А.С. Сеточные методы разделения смесей нормальных распределений и их применение к декомпозиции волатильности финансовых индексов. // Информатика и ее применения, 2008, Т.2 Вып. С. 3-18.

Усиленный закон больших чисел для случайных процессов Наумов Алексей АлександровичСтудент Московский государственный университет имени М.В. Ломоносова, факультет вычислительной математики и кибернетики, Москва, Россия E- mail: naumov_ne@inbox.ru Для мартингалов с непрерывным параметром в работе доказаны аналоги усиленных законов больших чисел Колмогорова, Зигмунда-Марцинкевича и Брунка-Прохорова.

Классические законы больших чисел нашли применения в рамках метода Монте-Карло, например, для вычислений интегралов большой размерности. Предложенные аналоги законов больших чисел могут оказаться полезными для тех же целей, а также для приближенного вычисления континуальных интегралов. Автором доказана Теорема 1. Пусть даны сепарабельный мартингал {M,t R }относительно t + некоторой фильтрации {F, t R } и неограниченно возрастающая положительная t + dE | M |a t функция f (t), t R. Если < для некоторого a 1, то + a f (t) sup M s 0st lim = 0 п.в.

t® f (t) В статьях [1] и [2] приведены обобщения теоремы Брунка-Прохорова. Следующая теорема представляет собой новое обобщение теоремы Брунка-Прохорова.

Теорема 2. Пусть даны мартингал {M, n N} относительно фильтрации n {F, n N} и неограниченно возрастающая последовательность положительных чисел n bn, n N. Положим M = 0. Если -n n-< и na E | M - M |2a bna n=n na -2 | M - M |2a E k k - k=< 2a bn n=(1) 2a max M k M n 1kn для некоторого a 1, то lim = 0 п.в. и lim E = 0.

n® n® bn bn В качестве нормирующих постоянных bn, n N в теореме 2 можно взять произвольные положительные числа при условии, что они образуют неограниченно возрастающую последовательность. Общность нормирующих постоянных достигается ценой дополнительного условия (1) на случайные величины. Это условие в ряде случаев автоматически выполняется. В частности, оно выполняется в рамках оригинальной теоремы Брунка-Прохорова.

В работе также доказаны аналоги усиленных законов больших чисел для сепарабельных однородных случайных процессов с независимыми приращениями.

Литература 1. Круглов В.М. (2002) Обобщение усиленного закона больших чисел БрункаПрохорова // Теория вероятн. и ее примен., т. 47, № 2, с. 347 – 349.

2. Fazekas I., Klesov O. (2000) A general approach to the strong law of large numbers // Теория вероятн. и ее примен., т. 45, № 3, с. 568 – 583.

Автор выражает признательность профессору, д.ф.м.н. Круглову В.М.

Решение некоторой проблемы обработки сигналов ЯМР с использованием обобщенного спектрально-аналитического методаНовикова Дарья Андреевна Аспирант Московский государственный университет им. М.В. Ломоносова, факультет Вычислительной математики и кибернетики, Москва, Россия E–mail: pionerk@gmail.com Предлагается рассмотреть одну из задач, возникающих в области обработки сигналов ЯМР и методы ее решения с использованием обобщенного спектрально-аналитического метода (ОСАМ).

ОСАМ основан на адаптивном разложении исходных массивов в функциональном базисе из числа классических алгебраических систем полиномов и функций (многочленов Якоби, Чебышева, Лагранжа, Лагерра, Гегенбауэра и др.). Обработка данных происходит в пространстве коэффициентов разложения начальных данных, что ускоряет и делает более точным процесс вычисления. Данный подход объединяет в себе аналитические и цифровые процедуры обработки данных и фактически является универсальной комбинированной технологией обработки информационных массивов.

Рассматривается следующая задача. Из эксперимента ЯМР опытным путем может быть получен спектр объекта, представляющего собой порошок G(w) (совокупность хаотически расположенных молекул). Теоретический интерес представляет спектр ориентированного образца, который представляет собой F0 (w) раствор (совокупность упорядоченных молекул). Спектр можно вычислить путем F0 (w) решения уравнения, представляющего собой зависимость между такими спектрами.

Уравнение имеет вид 1 p 3xt 3xt ixt +iS dx g(t) = F0(x) (1) 2 C 2 exp- 3xt 2 2p где C2 (z), S2 (z) - интегралы Френеля[5].

Данная зависимость представляет собой уравнение Фредгольма первого рода, не имеет аналитического решения.

В работе рассматриваются основные пути решения поставленной задачи, а также вопросы применения ОСАМ для получения решения задачи.

Литература 1. M. Bloom, J.H. Davis, A. L. Mackay, Direct determination of the oriented sample NMR spectrum from the powder spectrum for systems with local axial symmetry// Chemical physics letters, volume 80, pages 198-202 1981.

2. E. Sternin, M. Bloom, A. L. Mackay, De-pake-in of NMR spectra// Journal of magnetic resonance, volume 55, pages 274-282, 1983.

3. K. P. Whittall, E. Sternin, M. Bloom, A. L. Mackay, Time- and frequency- domain “De-pake-ing” using inverse theory// Journal of magnetic resonance, v.84, pp. 64-72, 1989.

4. H. Schafer, B. Madler, F. Volke, De-pake-ing of NMR powder spectra by nonnegative least-squares analysis with Tikhonov Regularization// Journal of magnetic resonance, v.

116, pp.145-150, 1995.

5. M. Alan McCabe, S. R. Wassal, Rapid deconvolution of NMR powder spectra by weighted fast Fourier transformation// Solid state nuclear magnetic resonance, v.10, pp.

53-62, 1997.

6. Дедус Ф.Ф., Куликова Ф.И., Панкратов А.Н., Тетуев Р.К. «Классические ортогональные базисы в задачах аналитического написания и обработки информационных сигналов»- Москва, 2004.

Работа выполнена при поддержке проекта РФФИ № 06-07-89303.

Программная поддержка языка лексико-синтаксических шаблоновНосков Алексей Анатольевич Студент факультета вычислительной математики и кибернетики Московский государственный университет имени М.В.Ломоносова, Москва, Россия E–mail: alno87@mail.ru В последнее время в области создания систем автоматической обработки текстов на естественном языке активно развиваются средства [1], позволяющие специфицировать и находить в тексте различные языковые конструкции. К таким средствам относится язык LSPL [2], предложенный для описания конструкций русского языка (в первую очередь именных словосочетаний) и учитывающий его особенности, в частности, высокую флективность. Язык позволяет описывать языковые конструкции в виде лексикосинтаксических шаблонов, задающих словоформы, лексемы и их морфосинтаксические характеристики. Важной особенностью языка LSPL является возможность указывать грамматическое согласование между составными частями описываемых языковых конструкций. Например, шаблон A N описывает сочетание из прилагательного (A) и следующего за ним существительного (N), согласованного с ним в роде (g), числе (n) и падеже (c). Язык LSPL также позволяет использовать ранее описанные шаблоны, что дает возможность сначала подготовить набор шаблонов, описывающих простые конструкции, а затем на их основе описывать более сложные конструкции.

Целью представленной в докладе работы было создание программной системы для поиска в тексте на русском языке конструкций, описанных в виде шаблонов на языке LSPL. При этом система должна была допускать простую интеграцию с другими программными средствами обработки текста, а также использоваться в виде отдельного приложения, поддерживающего работу пользователя-лингвиста по анализу текста.

В ходе реализации системы были выделены три основных компонента:

1. ядро системы, осуществляющее частичный синтаксический анализ текста и поиск в нем конструкций, описанных в виде LSPL-шаблонов;

2. программный интерфейс (API) для использования ядра из приложений на языке Java;

3. графический пользовательский интерфейс для задания шаблонов, загрузки анализируемого текста и поиска в нем нужных конструкций.

Для более эффективной (с точки зрения производительности и использования памяти) реализации ядра использовался язык C++. Пользовательский интерфейс реализован на языке Java с использованием кроссплатформенной библиотеки SWT.

Ядро системы использует специальное графовое представление анализируемого текста, опирающееся на разметку его фрагментов с использованием аннотаций. Похожий подход для разметки текста был применен в системе GATE [1], однако предлагаемое графовое представление специализировано для эффективного поиска в нем конструкций на основе LSPL-шаблонов. Для оптимизации поиска используются заранее построенные индексы слов разных частей речи и индексы на основе возможных префиксов слов.

Литература 1. Bontcheva K., et. al, Developing Reusable and Robust Language Processing Components for Information Systems using GATE // Proc. 13th Intern. Workshop on Database and Expert Systems Applications. IEEE Computer Society, Washington, DC, 2002, pp. 2232. Большакова Е.И. и др. Лексико-синтаксические шаблоны в задачах автоматической обработки текстов // Труды межд. конф. Диалог '2007 – М.: Издательский центр РГГУ, 2007, с. 70-75.

Работа выполнена при поддержке гранта РФФИ № 06-01-00571.

Pages:     | 1 |   ...   | 10 | 11 || 13 | 14 |   ...   | 18 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.