Институт проблем информатики Российской Академии наук
Институт проблем информатики Российской Академии наук
Российская Академия наук

Институт проблем информатики Российской Академии наук



«INFORMATICS AND APPLICATIONS»
Scientific journal
Volume 4, Issue 2, 2010

Content | Abstract | About  Authors

Bibliography

ON TASK FLOW PLANNING IN COMPUTATIONAL RESOURCE SYSTEMS.

  • M.G. Konovalov   IPI RAN, mkonovalov@ipiran.ru

literature

  1. Информатика: состояние, проблемы, перспективы / Под ред.И. А. Соколова.-М.:ИПИРАН, 2009. 46 с. ISBN-978-5-902030-69-0.
  2. Демичев А.П., Ильин В. А., Крюков А.П. Введение в грид-технологии: Препринт. - М.: НИИЯФ МГУ, 2007. 87 с.
  3. http://www.systematic.ru/publikatsii/sx/art/310033/ po/309844/cp/1/br/309438/discart/310033.html.
  4. Коновалов М. Г., Малашенко Ю. Е., Назарова И. А. Модели и методы управления заданиями в системах распределенных вычислительных ресурсов: Препринт.-М.: ВЦ РАН, 2009. 110 с.
  5. Xhafa F., Abraham A . Computational models and heuristic methods for Grid scheduling problems // Future Generation Comput. Syst., 2010. Vol. 26. P. 608-621.
  6. Cho S., Lee M., In J., Kim B., Choi E. Policy based scheduling for resource allocation on grid / Eds. K.C. Chang et al. // APWeb/WAIM 2007 Ws, LNCS, 2007. Vol. 4537. P. 229-234.
  7. Топорков В. В. Потоковые и жадные алгоритмы согласованного выделения ресурсов в распределенных системах // Известия РАН. Теория и системы управления, 2007. No. 2. P. 109-119.
  8. Vanderster D. C., Dimopoulos N. J., Sobie R. J. Metascheduling multiple resource types using the MMKP grid // 7th IEEE/ACM Conference (International) on Grid Computing Proceedings, 2006. P. 231-237.
  9. Душин Ю. А .Модель оценки стоимости гетерогенных ресурсов в Грид // Системы и средства информатики. Спец. вып. Математические модели в информационных технологиях.-М.: ИПИ РАН, 2006. С. 163-172.
  10. Gamst M. Greedy and metaheuristics for the offline scheduling problem in grid computing // DTU Management Engeneering. - Technical University of Danemark, 2010. http://www.man.dtu.dk/ upload/institutter/ipl/publ/publikationer%202010/ rapport2.2010.pdf.
  11. Агаларов Я.М. Динамическая стратегия распределения вычислительных ресурсов локального узла GRID // Системы и средства информатики. Вып. 17. -М.: ИПИ РАН, 2007. С. 17-29.
  12. Slegers J., Mitrani I., Thomas N. Optimal dynamic server allocation in systems with on/off sources /Ed. K. Wolter // EPEW2007, LNCS, 2007. Vol. 4748. P. 186-199.
  13. Farzi S. Efficient job scheduling in grid computing with modified artificial fish swarm algorithm // Int. J. Comput. Theory Eng., 2009. Vol. 1. No. 1. http://www.ijcte.org/papers/003.pdf.
  14. Mathiyalagan P., Dhepthie U. R., Sivanandam S.N. Grid scheduling using enhanced PSQ algorithm// Int. J. Comput. Sci. Eng., 2010. Vol. 2. No. 2. P. 140-145.
  15. Kamalam G.K., Muralibhaskaran V. A new heuristic approach: min-mean algorithm for scheduling meta-tasks on heterogenous computing systems // Int. J. Comput. Sci. Network Security, 2010. Vol. 10. No. 1.
  16. Li B., Zhao D. Online algorithms for single machine schedulers to support advance reservations from grid jobs / Eds. R. Perrott, B. Chapman, J. Subhlok, et al. //HPCC2007, LNCS, 2007. Vol. 4782. P. 239-248.
  17. Nou R., Kounev S., Torres J. Building online performance models of grid middleware with fine-grained load balancing: A Globus Toolkit case study / Ed. K. Wolter // EPEW2007, LNCS, 2007. Vol. 4748. P. 125-140.
  18. Yagoubi B., Slimani Y. Dynamic load balancing strategy for grid computing // Trans. Eng. Comput. Technol., 2006. Vol. 13. P. 260-265.
  19. Saravanakumar E., Gomathy P. A novel load balancing algorithm for computational grid // Int. J. Comput. Intelligence, 2010. Vol. 1. Issue 1. P. 20-26.
  20. Berten V., Gaujal B. Brokering strategies in computational grids using stochastic prediction models // Parallel Comput., 2007. Vol. 33. P. 238-249. www.sciencedirect.com.
  21. Yu K.-M., Luo Z.-J., Chou C.-H., Chen C.-K., Zhou J. A fuzzy neural network based scheduling algorithm for job assignment on computational grids / Eds. T. Enokido, L. Barolli, M. Takizawa // NBiS 2007, LNCS, 2007. Vol. 4658. P. 533-542.
  22. Ishii R. P., De Mello R. F., Yang L. T. A complex network based approach for job scheduling in grid environments / Eds. R. Perrott, B. Chapman, J. Subhlok, et al. // HPCC 2007, LNCS, 2007. Vol. 4782. P. 204-215.
  23. Al-Khateeb A., Abdullah R., Rashid N. A. Job type approach for deciding job scheduling in grid computing systems // J. Comput. Sci., 2009. Vol. 5. No. 10. P. 745-750. http://www.scipub.org/fulltext/jcs/jcs510745-750.pdf.
  24. Shah S. C., Chahdary S.H., Bashir A.K., Park M. S. Acentralized location-based job scheduling algorithm for interdependent jobs in mobile ad hoc computational grids // J. Appl. Sci., 2010. Vol. 10. No. 3. P. 174-181.
  25. Wei X., Ding Z., Xing S., Yuan Y. VJM: A novel grid resource co-allocation model for parallel jobs // Int. J.Grid Distributed Comput., 2009. Vol. 1. No. 2.
  26. Ali G., Shaikh N. A., Shaikh Z. A. Integration of grid and agent systems to perform parallel computations in a heterogeneous and distributed environment // Aust. J. Basic Appl. Sci., 2009. Vol. 3. No. 4. P. 3857-3863.
  27. Vazquez C., Huedo E. S. Montero R. S., Llorente I.M. Federation of TeraGrid, EGEE and OSG infrastructures through a metascheduler. Preprint submitted to Future Generation Computer Systems, 2010. http://dsa- research.org/doku.php?id=publications:grid:utility.
  28. Ranjan R., Harwood A., Buyya R. SLA-based cooperative superscheduling algorithms for computational grids // 8th IEEE Conference (International) on Cluster Computing (Cluster 2006) Proceedings // IEEE Computer Society Press, 2006. abs/cs/0605057.
  29. Li J., Sim K.M., Yahyapour R. Negotiation strategies considering opportunity functions for grid scheduling / Eds. A.-M. Kermarrec, L. Boug‚e, T. Priol // Euro-Par, 2007, LNCS, 2007. Vol. 4641. P. 447-456.
  30. Vanmechelen K., Broeckhove J. A comparative analysis of single-unit vickrey auctions and commodity markets for realizing grid economies with dynamic pricing / Eds. D. J. Veit, J. Altmann // GECON 2007, LNCS, 2007. Vol. 4685. P. 98-111.
  31. Krasnotcshekov V., Vakhitov A. Adaptive scheduling and resource assessment in grid / Ed. V. Malyshkin // PaCT 2007, LNCS, 2007. Vol. 4671. P. 240-244.
  32. Агаларов Я.М. Функция стоимости ресурсов в экономической модели грид // Информатика и её применения, 2008. Т. 2. Вып. 3. С. 27-34.
  33. Коновалов М. Г., Душин Ю. А., Малашенко Ю. Е., Шоргин С. Я. Модель взаимодействия потребителей с удаленными вычислительными ресурсами через посредников // Системы и средства информатики. Вып. 19. -М.: Наука,1989. С. 5-33.


NONPARAMETRIC ESTIMATION OF BAYESIAN CLASSIFIER ELEMENTS.

  • M. Krivenko   IPI RAN, mkrivenko@ipiran.ru

literature

  1. Кривенко М.П. Распознавание элементов изображения, имеющих различные размеры // Системы и средства информатики. - М.: ИПИ РАН, 2007. Вып. 17. С. 30-51.
  2. Деврой Л., Дьёрфи Л. Непараметрическое оценивание плотности: L1-подход. -М.:Мир, 1988. 408 с.
  3. Izenman A. J. Modern multivariate statistical techniques: Regression, classification, and manifold learning. - Springer Verlag, 2008. 731 p.
  4. Simonoff J. S. Smoothing methods in statistics // Springer series in statistics. 2nd printing, 1998. 338 p.
  5. Duin R. P.W. On the choice of smoothing parameters for Parzen estimators of probability density functions // IEEE Transactions on Computers, 1976. Vol.C-25.P. 1175-1179.
  6. Кривенко М.П. Расщепление смеси вероятностных распределений на две составляющие // Информатика и её применения, 2008. Т. 2. Вып. 4. С. 48-56.


SOLVABILITY PROBLEMS IN THE PROTEIN SECONDARY STRUCTURE RECOGNITION.

  • K. V. Rudakov   Computing Center of RAS;Moscow Institute of Physics and Technology, rudakov@ccas.ru
  • I. Yu. Torshin   Russian Center of the Trace Element Institute for UNESCO, tiy135@yahoo.com

literature

  1. Torshin I. Y. Bioinformatics in the post-genomic era: The role of biophysics.-N.Y.: Nova Biomedical Books, 2006.
  2. Berman H.M., Henrick K., Nakamura H. Announcing the worldwide Protein Data Bank // Nature Structural Biology, 2003. Vol. 10. No. 12. P. 980-982.
  3. Simossis V. F., Herringa J. Integrating protein secondary structure prediction and multiple sequence alignment // Curr. Protein Pept. Sci., 2004. Vol. 5. No. 2. P. 249-266.
  4. Журавлев Ю.И. Корректные алгебры над множествами некорректных (эвристических) алгоритмов. I // Кибернетика, 1977.№4. С. 5-17.
  5. Журавлев Ю.И. Корректные алгебры над множествами некорректных (эвристических) алгоритмов. II // Кибернетика, 1977.№6. С. 21-27.
  6. Журавлев Ю.И. Корректные алгебры над множествами некорректных (эвристических) алгоритмов. III // Кибернетика, 1978.№2. С. 35-43.
  7. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации // Проблемы кибернетики, 1978. Вып. 33. С. 5-68.
  8. Журавлев Ю.И., Рудаков К. В. Об алгебраической коррекции процедур обработки (преобразования) информации // Проблемы прикладной математики и информатики.-М.: Наука, 1987. С. 187-198.
  9. Рудаков К. В. Универсальные и локальные ограничения в проблеме коррекции эвристических алгоритмов // Кибернетика, 1987.№2. С. 30-35.
  10. Рудаков К. В. Полнота и универсальные ограничения в проблеме коррекции эвристических алгоритмов классификации // Кибернетика, 1987. №3. С. 106- 109.
  11. Рудаков К. В. Симметрические и функциональные ограничения в проблеме коррекции эвристических алгоритмов классификации // Кибернетика, 1987. №4. С. 73-77.
  12. Рудаков К. В. О применении универсальных ограничений при исследовании алгоритмов классификации // Кибернетика, 1988.№1. С. 1-5.
  13. Frishman D., Argos P .Knowledge-based protein secondary structure assignment // Proteins, 1995. Vol. 23. No. 4. P. 566-579.
  14. Torshin I. Yu. Bioinformatics in the post-genomic era: Sensing the change from molecular genetics to personalized medicine.- N.Y.: Nova Biomedical Books, 2009.
  15. Журавлев Ю.И. Теоретико-множественные методы в алгебре логики // Проблемы кибернетики, 1962. Т. 8. №1. С. 25-45.


ASYMPTOTIC PROPERTIES OF RISK ESTIMATE OF WAVELET-VAGUELETTE COEFFICIENTS THRESHOLDING IN TOMOGRAPHIC RECONSTRUCTION PROBLEM.

  • A. V.Markin   Department ofMathematical Statistics, Faculty of Computational Mathematics and Cybernetics, M. V. Lomonosov Moscow State University, artem.v.markin@mail.ru
  • O. V. Shestakov   Department ofMathematical Statistics, Faculty of Computational Mathematics and Cybernetics, M. V. Lomonosov Moscow State University, oshestakov@cs.msu.su

literature

  1. Наттерер Ф. Математические аспекты компьютерной томографии.-М.:Мир, 1990.
  2. Тихонов А.Н., Арсенин В. Я. Методы решения некорректных задач.-М.: Наука, 1979.
  3. Хермен Г. Восстановление изображений по проекциям: основы реконструктивной томографии. - М.: Наука, 1983.
  4. Добеши И. Десять лекций по вейвлетам. - Ижевск: НИЦ "Регулярная и хаотическая динамика", 2001.
  5. Donoho D.L. Nonlinear solution of linear inverse problems by wavelet-vaguelette decomposition // Appl. Comput. Harmonic Anal., 1995. Vol. 2. P. 101-126.
  6. Kolaczyk E.D. A wavelet shrinkage approach to tomographic image reconstruction // J. Amer. Statistical Association, 1996. Vol. 91. No. 435. P. 1079-1090.
  7. Kolaczyk E.D. Wavelet methods for the inversion of certain homogeneous linear operators in the presence of noisy data. Ph.D. Thesis, 1994.
  8. Donoho D.L., Johnstone I.M. Ideal spatial adaptation via wavelet shrinkage // Biometrika, 1994. Vol. 81. No. 3. P. 425-455.
  9. Donoho D. L., Johnstone I.M. Adapting to unknown smoothness via wavelet shrinkage // J. Amer. Statistical Association, 1995. Vol. 90. P. 1200-1224.
  10. Mallat S. A wavelet tour of signal processing.-Academic Press, 1999.
  11. Маркин А. В. Предельное распределение оценки риска при пороговой обработке вейвлет-коэффициентов // Информатика и её применения, 2009. Т. 3. Вып. 4. С. 57-63.
  12. Маркин А. В., Шестаков О. В. О состоятельности оценки риска при пороговой обработке вейвлет-коэффициентов //Вестник Московского университета. Сер. 15. Вычислительная математика и кибернетика, 2010.№1. С. 26-33.


ANALYSIS OF A LINK PROTOCOL WITH A GENERAL CONTENTION WINDOW BACKOFF FUNCTION.

  • A. S. Lukyanenko  Helsinki Institute for Information Technology HIIT, Aalto, Finland, firstname.secondname@hiit.fi
  • E. V.Morozov   Institute of Applied Mathematical Research, Karelian Research Centre RAS; Petrozavodsk State University, emorozov@krc.karelia.ru
  • A. Gurtov   Helsinki Institute for Information Technology HIIT, Aalto, Finland, gurtov@hiit.fi

literature

  1. Metcalfe R., Boggs D. Ethernet:Distributed packet switching for local computer networks // Communications of the ACM, 1976. Vol. 19. No. 7. P. 395-404.
  2. Abramson N. Development of the ALOHANET // IEEE Trans. on Inform.Theory, 1985.Vol. 31.No. 2.P. 119-123.
  3. Shoch J. F., Hupp J. A. Measured performance of an Ethernet local network // Commun. ACM, 1980. Vol. 23. No. 12. P. 711-721.
  4. IEEE 802.11 Standard. IEEE Standard for Information technology - Telecommunications and information exchange between systems - Local and metropolitan area networks - Specific requirements. Part 11: Wireless LANMediumAccess Control (MAC) and Physical Layer (PHY) Specifications.- N.Y.: IEEE, 2007.
  5. H.astad J., Leighton T., Rogoff B. Analysis of backoff protocols for multiple access channel // SIAM J. Comput., 1996. Vol. 25. No. 4. P. 740-774.
  6. Kelly F. P. Stochastic models of computer communication systems //J.Roy. Statist. Soc.B, 1985.Vol. 47. P. 379-395.
  7. Kelly F. P., MacPhee I.M. The number of packets transmitted by collision detect random access scheme //Annals of Prob., 1987. Vol. 15. P. 1557-1568.
  8. Aldous D. J. Ultimate instability of exponential back-off protocol for acknowledgement-based transmission control of random access communication channel // IEEE Trans. on Information Theory, 1987. Vol. 33. No. 2. P. 219-223.
  9. Lukyanenko A., Gurtov A. Performance analysis of general backoff protocols // J. Communications Software and Systems, 2008. Vol. 4. No. 1. P. 13-22.
  10. Вишневский В., Ляхов А., Портной С., Шахнович И. Широкополосные беспроводные сети передачи информации. -М.: Техносфера, 2005.
  11. Bianchi G. Performance analysis of the IEEE 802.11 Distributed Coordination Function // IEEEJ. Selected Areas in Communications, 2000. Vol. 18. No. 3. P. 535-547.
  12. Kwak B., Song N., Miller L. E. Performance analysis of exponential backoff // IEEE/ACM Transactions on Networking (TON), 2005. Vol. 13. No. 2. P. 343-355.
  13. Meyn S., Tweedie R. L. Markov chains and stochastic stability. - New York: Cambridge University Press, 2009.
  14. Roberts L. G. ALOHA packet system with and without slots and capture // SIGCOMM Comput. Commun., 1975. Vol. 5. No. 2. P. 28-42.
  15. Клейнрок Л. Вычислительные системы с очередями.- М.:Мир, 1979.


DEVELOPMENT OF PARALLEL HEURISTIC ALGORITHMS OF WEIGHTS COEFFICIENTS SELECTION FOR ARTIFICIAL NEURAL NETWORK.

  • O. V. Kryuchin   G.R. Derzhavin Tambov State University, kryuchov@gmail.com

literature

  1. Арзамасцев А. А., Крючин О. В., Азарова П. А., Зенкова Н. А. Универсальный программный комплекс для компьютерного моделирования на основе искусственной нейронной сети с самоорганизацией структуры // Вестн. Тамбовского университета. Сер. Естественные и технические науки.-Тамбов, 2006. Т. 11. Вып. 4. С. 564-570.
  2. Fahlman S. E. An empirical study of learning speed in back-propagation networks. Technical report. CMU-CS- 88-162. - Carnegie-Mellon University, 1988.
  3. Riedmiller M., Braun H. RProp - a fast adaptive learning algorithms. Technical Report. - Karlsruhe: University Karlsruhe, 1992.
  4. Riedmiller M., Braun H. A direct adaptive method for faster backpropagation learning: The RProp algorithm // Proceedings of the IEEE International Conference on Neural Networks (ICNN 93), 1993.
  5. Федорова Н.Н., Терехов С. А. Параллельная реализация алгоритмов обучения нейронных сетей прямого распространения с использованием стандарта MPI. Адрес в Интернете: http://www.aconts.com/ pub/archive/ijcnn99 p423 rus.pdf.
  6. Zadeh L. A. The concept of linguistic variable and its application to approximate reasoning. Part 1-3 // Information Sci., 1975. P. 199-249.
  7. Gill P., Murray W., Wrights M. Practical optimisation. - N.Y.: Academic Press, 1981.
  8. Крючин О. В., Арзамасцев А. А., Королев А.Н., Горбачев С.И., Семенов Н.О. Универсальный симулятор, базирующийся на технологии искусственных нейронных сетей, способный работать на параллельных машинах // Вестн. Тамбовского университета. Сер. Естественные и технические науки. - Тамбов, 2008. Т. 13. Вып. 5. С. 372-375.
  9. Veith A. C., Holmes G. A. A modified quickprop algorithm // Neural Computation, 1991. Vol. 3. P. 310-311.
  10. Осовский С. Нейронные сети для обработки информации. -М.: Финансы и статистика, 2002. 344 с.
  11. Riedmiller M. Untersuchungen zu konvergenz und generalisierungsverhalten uberwachter lernverfahrenmit dem SNNS // Proceedings of the SNNS, 1993.


APPLICATION OF THE COORDINATE METHOD OF COMMUTATED NEURAL NETWORK FRAGMENTATION FOR TRAFFIC REDUCTION.

  • S. Y. Stepanov   Moscow State Technological Institute STANKIN, cympak shade@rambler.ru

literature

  1. Кабак И. С., Суханова Н. В. Нейронная сеть. Патент на ПМ №75247 РФ.
  2. Теория нейронных сетей: Учеб. пособие для вузов / Под общ. ред. А.И. Галушкина. Кн. 1.-М.:ИПРЖР, 2000. 416 с.
  3. Кабак И. С., Суханова Н. В. Большие нейронные сети в системах управления // Тр. XVI междунар. научно- технич. конф. "Информационные средства и технологии". Т. 3. -М.:МЭИ, 2008. С. 204-210.
  4. Кабак И. С. Коммутаторная архитектура больших нейронных сетей // Тр. XV междунар. научно-технич. конф. "Информационные средства и технологии". Т. 3.-М.:МЭИ, 2007. С. 124-127.
  5. Кабак И. С., Степанов С.Ю. Оптимизация трафика информации в коммутаторной нейронной сети // Тр. XIV междунар. научно-технич. конф. "Информационные средства и технологии". Т. 3.-М.:МЭИ, 2006. С. 163-167.
  6. КабакИ. С., Суханова Н.В. Доменная нейронная сеть. Патент на ПМ №72084 РФ.
  7. Кабак И. С. Доменная организация коммутаторных нейронных сетей // Тр. XV междунар. научно-технич. конф. "Информационные средства и технологии". Т. 3.-М.:МЭИ, 2007. С. 128-131.
  8. Кормен Т., Лейзерсон Ч., Ривест Р., Штайн К. Алгоритмы: построение и анализ // Introduction to Algorithms / Под ред. И.В. Красикова. 2-е изд. - М.: Вильямс, 2005. 1296 с.
  9. Осовский С. Нейронные сети для обработки информации / Пер. с польск. И.Д. Рудинского. - М.: Фи- нансы и статистика, 2004. 344 с.
  10. Степанов С.Ю. Группирование нейронов в двухуровневой коммутаторной нейронной сети // Тр. XV междунар. научно-технич. конф. "Информационные средства и технологии". Т. 3. - М.: МЭИ, 2007. С. 178-181.
  11. Степанов С.Ю. Снижение трафика информации в коммутаторной нейронной сети на основе ее фрагментации // Тр. XVI междунар. научно-технич. конф. "Информационные средства и технологии". Т. 3. - М.:МЭИ, 2008. С. 236-241.


ON ASYMPTOTIC BEHAVIOR OF THE POWERS OF THE TESTS FOR THE CASE OF LAPLACE DISTRIBUTION.

  • V. E.Bening   Faculty of ComputationalMathematics and Cybernetics, M.V. Lomonosov Moscow State University, bening@yandex.ru
  • R.A.Korolev   Faculty of ComputationalMathematics and Cybernetics, M.V. Lomonosov Moscow State University, stochastique@gmail.com

literature

  1. Bening V. E. Asymptotic theory of testing statistical hypotheses. - Utrecht: VSP, 2000. 277 p.
  2. Чибисов Д.М. Вычисление дефекта асимптотически эффективных критериев // Теория вероятностей и ее применения, 1985. Т. 30. Вып. 2. С. 289-310.
  3. Kotz S., Kozubowski T. J., Podgorski K. The Laplace distribution and generalizations: A revisit with applications to communications, economics, engineering, and finance.- Birkhauser, 2001. 349 p.
  4. Chibisov D.M. An asymptotic expansion for distributions of C(_) test statistics // Lecture Notes in Statistics, 1980. Vol. 2. P. 63-96.
  5. Chibisov D.M., van Zwet W. R. On the edgeworth expansion for the logarithm of the likelihood ratio. I // Теория вероятностей и ее применения, 1984. Т. 29. Вып. 3. С. 417-439.
  6. Королев Р. А., Бенинг В. Е. Асимптотические разложения для мощностей критериев в случае распределения Лапласа // Вестник Тверского государственного университета. Сер. Прикладная математика, 2008. Вып. 3(10).№26(86). С. 97-107.
  7. Королев Р. А., Тестова А. В., Бенинг В. Е. О мощности асимптотически оптимального критерия в случае распределения Лапласа // Вестник Тверского государственного университета. Сер. Прикладная математика, 2008. Вып. 8. №4(64). С. 5-23.
  8. Королев Р. А. Формула для предела нормированной разности мощностей критериев в случае распределения Лапласа // Вестник Тверского государственного университета. Сер. Прикладная математика, 2010. В печати.
  9. Феллер В. Введение в теорию вероятностей и ее приложения. Т. 1. -М.:Мир, 1984. 528 с.
  10. Billingsley P. Convergence of probability measures. - Wiley, Canada, 1999. 278 p.


AN IMPROVEMENT OF THE KATZ–BERRY–ESSEEN INEQUALITY.

  • M. E. Grigorieva   Department of Mathematical Statistics, Faculty of Computational Mathematics and Cybernetics, M.V. Lomonosov Moscow State University, maria-grigorieva@yandex.su
  • I.G. Shevtsova   Department of Mathematical Statistics, Faculty of Computational Mathematics and Cybernetics, M.V. Lomonosov Moscow State University, ishevtsova@cs.msu.su

literature

  1. Berry A. C. The accuracy of the Gaussian approximation to the sum of independent variates // Trans. Amer.Math. Soc., 1941. Vol. 49. P. 122-139.
  2. Esseen C.-G. On the Liapunoff limit of error in the theory of probability // Ark. Mat. Astron. Fys., 1942. Vol. A28. No. 9. P. 1-19.
  3. Katz M. A note on the Berry-Esseen theorem // Ann. Math. Statist., 1963. Vol. 34. P. 1107-1108.
  4. Петров В. В. Одна оценка отклонения распределения суммы независимых случайных величин от нормального закона // ДАН СССР, 1965. Т. 160. Вып. 5. С. 1013-1015.
  5. Бикялис А. Оценки остаточного члена в центральной предельной теореме // Литовский математический сб., 1966. Т. 6. Вып. 3. С. 323-346.
  6. Петров В. В. Суммы независимых случайных величин.-М.: Наука, 1972.
  7. Esseen C.-G. A moment inequality with an application to the central limit theorem // Skand. Aktuarietidskr., 1956. Vol. 39. P. 160-170.
  8. Королев В.Ю., Шевцова И. Г. Уточнение неравенства Берри-Эссеена с приложениями к пуассоновским и смешанным пуассоновским случайным суммам // Обозрение прикладной и промышленной математики, 2010. Т. 17. Вып. 1. С. 25-56.
  9. Tysiak W. Gleichm.a ige und nicht-gleichm.a ige Berry- Esseen-Absch atzungen. Dissertation. - Wuppertal, 1983.
  10. Paditz H. On the error-bound in the nonuniform version of Esseen's inequality in the Lp-metric // Statistics, 1996. Vol. 27. P. 379-394.
  11. Гапонова М. О., Корчагин А.Ю., Шевцова И. Г .Об абсолютных константах в равномерной оценке точности нормальной аппроксимации для распределений, не имеющих третьего момента // Сб. статей молодых ученых факультета ВМК МГУ. Вып. 6. - М.: Макс Пресс, 2009. С. 81-89.
  12. Paditz H. .Uber eine Fehlerabsch.atzung im zentralen Grenzwertsatz // Wiss. Z. Hochschule f.ur Verkehswesen "Friedrich List." - Dresden, 1986. Bd. 33. H. 2. S. 399-404.
  13. Шевцова И. Г. Об асимптотически варл правильных постоянных в центральной предельной теореме // Теория вероятностей и ее применения, 2010 (в печати). Т. 55. Вып. 2.
  14. Королев В.Ю., Шевцова И. Г. О верхней оценке абсолютной постоянной в неравенстве Берри-Эссеена // Теория вероятностей и ее применения, 2009. Т. 54. Вып. 4. С. 671-695.
  15. Шевцова И. Г. Нижняя асимптотически правильная постоянная в центральной предельной теореме // Докл. РАН, 2010. Т. 430. Вып. 4. С. 466-469.
  16. Королев В.Ю., Шевцова И. Г. Уточнение неравенства Берри-Эссеена // Докл. РАН, 2010. Т. 430. Вып. 6. С. 738-742.
  17. Золотарёв В.М. Абсолютная оценка остаточного члена в центральной предельной теореме // Теория вероятностей и ее применения, 1966. Т. 11. Вып. 1. С. 108-119.
  18. Золотарёв В.М. Некоторые неравенства теории вероятностей и их применение к уточнению теоремы А.М. Ляпунова // ДАН СССР, 1967. Т. 177. №3. С. 501-504.
  19. Zolotarev V.M. A sharpening of the inequality of Berry- Esseen //Z.Wahrsch. verw.Geb., 1967.Bd. 8.P. 332-342.
  20. Prawitz H. Limits for a distribution, if the characteristic function is given in a finite domain // Scand. Aktuar Tidskr., 1972. P. 138-154.
  21. Шевцова И. Г. Некоторые оценки для характеристических функций с применением к уточнению неравенства Мизеса // Информатика и её применения, 2009. Т. 3. Вып. 3. С. 69-78.
  22. Prawitz H. On the remainder in the central limit theorem. I. One dimensional independent variables with finite absolute moments of third order // Scand. Actuarial J., 1975. No. 3. P. 145-156.
  23. Гапонова М. О., Шевцова И. Г. Асимптотические оценки абсолютной постоянной в неравенстве Берри- Эссеена для распределений, не имеющих третьего момента //Информатика и её применения, 2009. Т. 3. Вып. 4. С. 41-56.
  24. Бхаттачария Р.Н., Ранга Р. Р. Аппроксимация нормальным распределением. -М.: Наука, 1982.


LINGUISTIC FILTERS IN STATISTICAL MACHINE TRANSLATION MODELS.

  • E. B. Kozerenko   IPI RAN, kozerenko@mail.ru

literature

  1. Brown P. F., Cocke J., Della Pietra S. A., Della Pietra V. J., Jelinek F., Lafferty J.D., Mercer R. L., Roossin P. S. A statistical approach to machine translation // Comput. Linguistics, 1990. Vol. 16. P. 79-85.
  2. Brown P. F., Della Pietra S. A., Della Pietra V. J., Mercer R. L. The mathematics of statistical machine translation: Parameter estimation // Comput. Linguistics, 1993. Vol. 19. No. 2. P. 263-311.
  3. Rosenfeld R. A maximum entropy approach to adaptive statistical language modeling // Computer Speech Language, 1996. Vol. 10. P. 187-228.
  4. Niesler T. R., Woodland P. C. Modelling word-pair relations in a category-based language model // IEEE ICASSP-99, 1999. P. 795-798.
  5. Ney H., Essen U., Kneser R. On structuring probabilistic dependencies in stochastic language modeling // Computer Speech Language, 1994. Vol. 8. P. 1-38.
  6. Marino J. B., Banchs R. E., Crego J.M., de Gispert A., Lambert P., Fonollosa J. A. R., Costa-JussaM. R. N-grambasedMachine Translation // Comput. Linguistics, 2006. Vol. 32. No. 4. P. 527-549.
  7. GaleW. A., Church K.W. A programfor aligning sentences in bilingual corpora // Comput. Linguistics, 1993. Vol. 19. P. 75-102.
  8. Chen S. F. Aligning sentences in bilingual corpora using lexical information // 31st Annual Conference of the Association for Computational Linguistics Proceedings, 1993. P. 9-16.
  9. Masahiko H., Yamazaki T. High-performance bilingual text alignment using statistical and dictionary information // ACL 34, 1996. P. 131-138.
  10. Och F. J., Ney H. A comparison of alignment models for statistical machine translation // COLING'00: The 18th Conference (International ) on Computational Linguistics. Saarbrucken, Germany, 2000. P. 1086-1090.
  11. Dempster A. P., Laird N.M., Rubin D. B. Maximum likelihood from incomplete data via the EM algorithm// J.Roy. Statistical Soc. Ser. B, 1977. Vol. 39. No. 1. P. 1-22.
  12. Vogel S., Ney H., Tillmann Ch. HMM-based word alignment in statistical translation // COLING'96: The 16th Conference (International ) on Computational Linguistics Proceedings. Copenhagen, Denmark, 1996. P. 836-841.
  13. Smadja F., McKeown K. R., Hatzivassiloglou V. Translating collocations for bilingual lexicons: A statistical approach// Comput. Linguistics, 1996. Vol. 22. No. 1. P. 1-38.
  14. Ker S. J., Chang J. S. A class-based approach to word alignment // Comput. Linguistics, 1997. Vol. 23. No. 2. P. 313-343.
  15. Melamed I.D. Models of translational equivalence among words / Comput. Linguistics, 2000. Vol. 26.No. 2. P. 221- 249.
  16. Dice L. R. Measures of the amount of ecologic association between species // J. Ecology, 1945. Vol. 26. P. 297-302.
  17. Dagan I., Church K.W., Gale W. A. Robust bilingual word alignment for machine aided translation // Workshop on Very Large Corpora Proceedings. Columbus, Ohio, 1993. P. 1-8.
  18. Och F. J., Ney H. A systematic comparison of various statistical alignment models // Comput. Linguistics, 2003. Vol. 29. No. 1. P. 19-51.
  19. Och F. J., NeyH. The alignment template approach to statistical machine translation // Comput. Linguistics, 2004. Vol. 30. P. 417-449.
  20. Marcu D., Wong W. A phrase-based, joint probability model for statistical machine translation // EMNLP Proceedings. Philadelphia, PA, 2002. P. 133-139.
  21. Och F. J., Ney H. Discriminative training and maximum entropy models for statistical machine translation // 40th Annual Meeting of the ACL Proceedings. Philadelphia, PA, 2002. P. 295-302.
  22. Hu R., Zong Ch., Xu B. An approach to automatic acquisition of translation templates based on phrase structure extraction and alignment // IEEE Transactions on Audio, Speech and Language Processing, 2006. Vol. 14. No. 5. P. 1656-1663.
  23. Dorr B., Habash N. Interlingua approximation: A generation-heavy approach // AMTA-2002 Interlingua Reliability Workshop. Tiburon, California,USA, 2002.
  24. Voss C., Dorr B. J. Toward a lexicalized grammar for interlinguas // Machine Translation, 1995. Vol. 10. No. 1-2. P. 139-180.
  25. Marcus M. P., Santorini B., Marcinkiewicz M. A. Building a large annotated corpus of English: The Penn Treebank // Comput. Linguistics. 1993. Vol. 19. No. 2. P. 313-330.
  26. Callison-Burch Ch., Cohn T., Lapata M. ParaMetric: An automatic evaluation metric for paraphrasing // 22nd Conference (International ) on Computational Linguistics (Coling 2008) Proceedings.Manchester, 2008. P. 97-104.
  27. Dagan I., Bar-Haim R., Szpektor I., Greental I., Shnarch E. Natural language as the basis for meaning representation and inference // Computational Linguistics and Intelligent Text Processing: 9th Conference,CICLing 2008 Proceedings. Haifa, Israel, 2008. - Springer, 2008. P. 151- 170.
  28. Kozerenko E. B. Cognitive approach to language structure segmentation for machine translation algorithms // Conference (International) on Machine Learning, Models, Technologies and Applications Proceedings. Las Vegas, USA, 2003. - CSREA Press, 2003. P. 49-55.
  29. Козеренко Е. Б. Лингвистическое моделирование для систем машинного перевода и обработки знаний // Информатика и её применения, 2007. Т. 1. Вып. 1. С. 54-65.
  30. Kozerenko E. Features and categories design for the English-Russian transfermodel // AdvancesNatural Language Processing Applications Research Comput. Sci., 2008. Vol. 33. P. 123-138.