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

Институт проблем информатики Российской Академии наук

Русский | English     Контакты

Об институтеНаправления деятельностиНаучно-исследовательские работы и проектыОбъекты интеллектуальной собственностиНаучные журналы ИПИ РАНДругие публикацииСеминары и конференции


Поиск:

«Информатика и ее применения» (Том 11, Выпуск 2, 2017)

Оглавление | Аннотации | Об авторах

Библиография

DYNAMIC MODELS OF SYSTEMIC RISK AND CONTAGION

  • Kh. El Bitar Laboratoire de Mathematiques, Universite de Franche-Comte, 16 Route de Gray, 25030 Besancon, CEDEX, France
  • Yu. Kabanov Laboratoire de Mathematiques, Universite de Franche-Comte, 16 Route de Gray, 25030 Besancon, CEDEX, France, Institute of Informatics Problems, Federal Research Center "Computer Science and Control" of the Russian Academy of Sciences, 44-2 Vavilov Str., Moscow 119333, Russian Federation, National Research University "MPEI," 14 Krasnokazarmennaya Str., Moscow 111250, Russian Federation
  • R. Mokbel Laboratoire de Mathematiques, Universite de Franche-Comte, 16 Route de Gray, 25030 Besancon, CEDEX, France

ДИНАМИЧЕСКИЕ МОДЕЛИ OTCTEMHOrO РИСКА И ЗАРАЖЕНИЯ

  • Х. Эль Битар   Лаборатория математики Университета Франш-Конте, г. Безансон, Франция
  • Ю. Кабанов  Лаборатория математики Университета Франш-Конте, г. Безансон, Франция, Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, Национальный исследовательский университет "МЭИ"
  • Р. Мокбель  Лаборатория математики Университета Франш-Конте, г. Безансон, Франция

Литература

  1. Hurd T. Contagion! The spread of systemic risk in financial networks. - Springer, 2016. 139 p.
  2. DeBandtO., Hartmann P., PeydroJ. Systemic riskinbank- ing: An update // Oxford handbook of banking / Eds. A. Berger, P. Molyneux, J. Wilson. - Oxford University Press, 2009. 994 p.
  3. Gai P., Kapadia S. Contagion in financial networks. - Bank of England, 2010. Working Paper 383. 36 p.
  4. Acharya, V., Yorulmazer T. Information contagion and bank herding // J. Money Credit Bank., 2008. Vol. 40. No. 1. P. 215-231.
  5. Elsinger H., Lehar A., Summer M. Risk assessment for banking systems // Manage. Sci., 2006. Vol. 52. No. 9. P. 1301-1314.
  6. Elsinger H., Lehar A., Summer M. Systemically important banks: An analysis for the European banking system // Int. Econ. Econ. Policy, 2006. Vol. 3. No. 1. P. 73-89.
  7. Gai P., Kapadia S. Contagion in financial networks // Proc. R. Soc. A, 2010. Vol. 466. P. 2401-2423.
  8. Allen F., Gale D. Financial contagion // J. Polit. Econ., 2000. Vol. 108. No. 1.P, 1-33.
  9. Acharya, V., Bisin A. Counterparty risk externality: Centralized versus over-the-counter markets // J. Econ. Theory, 2014. Vol. 149(C). P. 153-182.
  10. Georg C. P. The effect of the interbank network structure on contagion and common shocks // J. Bank. Financ., 2013. Vol. 37. No. 7. P. 2216-2228.
  11. May R. M., Arinaminpathy n. Systemic risk: The dynamics of model banking systems // J. R. Soc. Interface, 2010. Vol. 7. P. 823-838.
  12. Bielecki, T. R, Rutkowski M. Credit risk: Modelling, val-uation and hedging. - Berlin: Springer, 2002. 501 p.
  13. Barabasi A., Albert R. Emergence of scaling in random networks// Science, 1999. Vol. 286. P. 509-512.
  14. Mistrulli P. E. Assessing financial contagion in the inter-bank market: Maximum entropy versus observed inter-bank lending patterns. - Rome, Italy: Bank of Italy, 2007. Working Paper 641.
  15. Nier E, Yang J., Yorulmazer T., Alentorn A. Network models and financial stability. - Bank of England, 2008. Working Paper 346.
  16. Borodin A., Salminen P. Handbook of Brownian motion: Facts and formulae. - 2nd ed. - Birkhauser, 2002. 465 p.
  17. Eboli M. Systemic risk in financial networks: A graph- theoretic approach. - Italy: Universita di Chieti Pescara, 2007. Preprint. 19 p.

ON THE EFFICIENCY OF BRIDGE MONTE-CARLO ESTIMATOR

  • O. V. Lukashenko Institute of Applied Mathematical Research of Karelian Research Centre of the Russian Academy of Sciences, 11 Pushkinskaya Str., Petrozavodsk 185910, Republic of Karelia, Russian Federation, Petrozavodsk State University, 33 Lenin Str., Petrozavodsk 185910, Republic of Karelia, Russian Federation
  • E. V Morozov Institute of Applied Mathematical Research of Karelian Research Centre of the Russian Academy of Sciences, 11 Pushkinskaya Str., Petrozavodsk 185910, Republic of Karelia, Russian Federation, Petrozavodsk State University, 33 Lenin Str., Petrozavodsk 185910, Republic of Karelia, Russian Federation
  • M. Pagano University of Pisa, 43 Lungarno Pacinotti, Pisa 56126, Italy

ОБ ЭФФЕКТИВНОСТИ ОЦЕНКИ МОНТЕ КАРЛО НА ОСНОВЕ ГАУССОВСКОГО МОСТА

  • О. В. Лукашенко Институт прикладных математических исследований Карельского научного центра Российской академии наук, Петрозаводский государственный университет
  • Е. В. Морозов  Институт прикладных математических исследований Карельского научного центра Российской академии наук, Петрозаводский государственный университет
  • М. Пагано Университет г. Пиза, Италия

Литература

  1. Leland W. E, Taqqu M. S., Willinger W, Wilson D. V. On the self-similar nature of Ethernet traffic (extended version) // IEEE ACM Trans. Network., 1994. Vol. 2. No. 1. P. 1-15.
  2. Norros I. On the use of fractional Brownian motion in the theory of connectionless networks // IEEE J. Sel. Area. Comm., 1995. Vol. 13. No. 6. P. 953-962.
  3. Mandjes M. Large deviations of Gaussian queues. - Chichester: Wiley, 2007. 340 p.
  4. Erramilli A., Narayan O., Willinger W. Experimental queueing analysis with long-range dependent packet traffic // IEEE ACM Trans. Network., 1996. Vol. 4. No. 2. P. 209-223.
  5. Samorodnitsky G. Long range dependence // Found. Trends® Stochastic Syst., 2007. Vol. 1. No. 3. P. 163257. doi: 10.1561/0900000004.
  6. Allman M., Paxson V., Blanton E. TCP congestion control. RFC 5681 (Draft Standard), 2009.
  7. Kouvatsos D. D. Performance evaluation and applications of ATM networks. - Kluwer Academic, 2000. 472 p.
  8. Ross S. M. Simulation. - Elsevier, 2006. 314 p.
  9. Ganesh A., O'ConnellN, WischikD. Big queues. - Lecture notes in mathematics ser. - Springer, 2004. 260 p.
  10. Heidelberger P. Fast simulation of rare events in queueing and reliability models // ACM Trans. Model. Comput. Simul., 1995. Vol. 5. No. 1. P. 43-85.
  11. Glasserman P., Wang Y. Counterexamples in importance sampling for large deviations probabilities // Ann. Appl. Probab., 1997. Vol. 7. No. 3. P. 731-746.
  12. Lukashenko O. V., Morozov E. V., Pagano M. On Condi-tional Monte Carlo estimation of busy period probabilities in Gaussian queues // Comm. Com. Inf. Sc., 2016. Vol. 601. P. 280-288. doi: 10.1007/978-3-319-30843- 2_29.
  13. Lukashenko O. V., Morozov E. V., Pagano M. On the use of a bridge process in a Conditional Monte Carlo simulation of Gaussian queues // Comm. Com. Inf. Sc., 2016. Vol. 638. P. 207-220. doi: 10.1007/978-3-319- 44615-8_18.
  14. GiordanoS, GubinelliM., PaganoM. Bridge Monte-Carlo: A novel approach to rare events of Gaussian processes // 5th St. Petersburg Workshop on Simulation Proceedings, 2005. P. 281-286.
  15. Norros I. Busy periods of fractional Brownian storage: A large deviations approach // Adv. Perf. Anal., 1999. Vol. 2. P. 1-19.
  16. Mandjes M., Norros I., Glynn P. On convergence to sta- tionarity of fractional Brownian storage // Ann. Appl. Probab., 2009. Vol. 19. P. 1385-1403.
  17. Taqqu M. S., Willinger W., Sherman R. Proof of a funda-mental result in self-similar traffic modeling // Comput. Commun. Rev, 1997. Vol. 27. P. 5-23.
  18. Addie R., Mannersalo P., Norros I. Most probable paths and performance formulae for buffers with Gaussian input traffic // Eur. Trans. Telecommun., 2002. Vol. 13. P. 183-196.
  19. Kulkarni V., Rolski T. Fluid model driven by an Ornstein- Uhlenbeck process // Probab. Eng. Inform. Sc., 1994. Vol. 8. P. 403-417.
  20. DeuschelJ. D, StroockD. W. Large deviations. - Academ-ic Press, 1989. 330 p.
  21. Mandjes M., Mannersalo P., Norros I., van UitertM. Large deviations of infinite intersections of events in Gaussian processes // Stoch. Proc. Appl., 2006. Vol. 116. P. 1269-1293.
  22. Dieker A. B. Conditional limit theorems for queues with Gaussian input: A weak convergence approach // Stoch. Proc. Appl., 2005. Vol. 115. No. 5. P. 849-873.
  23. Dieker A.B., Mandjes M. On asymptotically efficient simulation of large deviation probabilities // Adv. Appl. Probab., 2005. Vol. 37. P. 539-552.
  24. Dieker A. B., Mandjes M. Fast simulation of overflow probabilities in a queue with Gaussian input // ACM Trans. Model. Comput. Simul., 2006. Vol. 16. P. 119-151.
  25. Asmussen S., Glynn P. Stochastic simulation: Algorithms and analysis. - Springer, 2007. 476 p.
  26. Giordano S., Gubinelli M., Pagano M. Rare events of Gaussian processes: A performance comparison between Bridge Monte-Carlo and importance sampling // Next generation teletraffic and wired/wireless advanced net-working / Eds. Y. Koucheryavy, J. Harju, and A. Sayen- ko. - Computer communication networks and telecom-munications ser. - Berlin-Heidelberg: Springer, 2007. Vol. 4712. P. 269-280.
  27. Lukashenko O. V., Morozov E. V., Pagano M. Performance analysis of Bridge Monte-Carlo estimator // Труды Ка-рельского НЦ РАН, 2012. Т. 5. С. 54-60.
  28. Gut A. An intermediate course in probability. - Springer, 2009. 304 p.

МАКСИМИЗАЦИЯ СРЕДНЕГО СТАЦИОНАРНОГО ДОХОДА СИСТЕМЫ МАССОВОГО ОБСЛУЖИВАНИЯ ТИПА M/G/1

  • Я. М. Агаларов Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, agglar@yandex.ru

Литература

  1. Агаларов Я. М. Пороговая стратегия ограничения до-ступа к ресурсам в системе массового обслуживанияM/D/1 с функцией штрафов за несвоевременное об-служивание заявок // Информатика и её применения, 2015. Т. 9. Вып. 3. С. 56-65.
  2. Агаларов Я. М., Агаларов М. Я., Шоргин В. С. Об опти-мальном пороговом значении длины очереди в одной задаче максимизации дохода системы массового об-служивания типа M/G/1 // Информатика и её применения, 2016. Т. 10. Вып. 2. С. 70-79.
  3. Агаларов Я. М., Агаларов М. Я., Шоргин В. С. Максими-зация дохода системы массового обслуживания типа G/M/1 на множестве пороговых стратегий с двумя точками переключения // Системы и средства инфор-матики, 2016. Т. 26. Вып. 4. С. 74-88.
  4. Каштанов В. А., Кондрашова Е.В. Исследование по- лумарковских систем массового обслуживания при управляемом входящем потоке. BSMAP-поток // Управление большими системами, 2015. Вып. 57. С. 6- 36.
  5. Гришунина Ю. Б. Оптимальное управление очередью в системе M/G/1/то с возможностью ограничения приема заявок // Автоматика и телемеханика, 2015. № 3. С. 79-93.
  6. Карлин С. Основы теории случайных процессов / Пер. с англ. - М.: Мир, 1971. 536 с. (Karlin S. A first course in stochastic processes. - New York - London: Academic Press, 1968. 502 p.).
  7. Бочаров П. П., Печинкин А. В. Теория массового обслу-живания. - М.: РУДН, 1995. 529 с.
  8. Miyazawa M. Complementary generating functions for the MX/GI/1/k and GI/MY/1/k queues and their application to the comparison of loss probabilities // J. Appl. Probab., 1990. Vol. 27. P. 684-692.

КЛАССИФИКАЦИЯ ПО НЕПРЕРЫВНЫМ НАБЛЮДЕНИЯМ С МУЛЬТИПЛИКАТИВНЫМИ ШУМАМИ II: АЛГОРИТМ ЧИСЛЕННОЙ РЕАЛИЗАЦИИ ОЦЕНКИ

  • А. В. Борисов   Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, aborisov@frccsc.ru

Литература

  1. Борисов А. В. Классификация по непрерывным наблю-дениям с мультипликативными шумами I: формулы байесовской оценки // Информатика и её применения, 2017. Т. 11. Вып. 1. C. 11-19.
  2. Стоянов Й. Контрпримеры в теории вероятностей / Пер. с англ. - М.: МЦНМО, 2014. 296 с. (Stoyanov J. Counterexamples in probability. - New York, NY, USA: John Wiley, 1987. 313 p.)
  3. Липцер Р. Ш., Ширяев А. Н. Теория мартингалов. - М.: Наука, 1986. 512 c.
  4. Platen E., Bruti-Liberati N. Numerical solution of stochastic differential equations with jumps in finance. - New York, NY, USA: Springer, 2010. 868 p.
  5. Platen E., Rendek R. Quasi-exact approximation of hidden Markov chain filters // Commun. Stoch. Anal., 2010. Vol. 4. No. 1. P. 129-142.
  6. Липцер Р. Ш., Ширяев А. Н. Статистика случайных про-цессов. - М.: Наука, 1974. 512 с.

ИНФОРМИРОВАННОСТЬ УЧАСТНИКОВ И СУЩЕСТВОВАНИЕ РАВНОВЕСИЯ В ПОЗИЦИОННЫХ МНОГОШАГОВЫХ ИГРАХ МНОГИХ ЛИЦ

  • Н. С. Васильев   Московский государственный технический университет им. Н. Э. Баумана, nik8519@yandex.ru

Литература

  1. Моисеев Н.Н. Элементы теории оптимальных сис-тем. - М.: Наука, 1975. 527 с.
  2. Гермейер Ю. Б. Игры с непротивоположными инте-ресами. - М.: Наука, 1976. 326 с.
  3. Кононенко А.Ф. Структура оптимальной стратегии в управляемых динамических системах // Ж. вычисл. мат. мат. физ., 1980. Т. 20. № 5. С. 1105-1116.
  4. Васильев Н. С. Коалиционно устойчивые эффективные равновесия в моделях коллективного поведения с обменом информацией // Информатика и её применения, 2015. Т. 9. Вып. 2. С. 2-13.
  5. Айзекс Р. Дифференциальные игры / Пер. с англ. - М.: Мир, 1967. 480 с. (Isaacs R. Differntial games. - New York, NY, USA: John Wiley and Sons, 1965. 416 p.)
  6. Понтрягин Л. С. Линейные дифференциальные игры преследования//Мат. сб., 1980. Т. 112(154). Вып. 3(7). С. 307-330.
  7. Никольский М. С. Первый метод Л. С. Понтрягина в дифференциальных играх. - М.: МГУ, 1984. 64 с.
  8. Красовский Н. Н., Субботин А. И. Позиционные диф-ференциальные игры. - М.: Наука, 1974. 458 с.
  9. Кононенко А. Ф. О многошаговых конфликтах с обменом информацией // Ж. вычисл. мат. мат. физ., 1977. Т. 17. №4. С. 922-931.
  10. Чистяков Ю.Е. Задача о ситуациях равновесия по Нэшу в игре многих лиц с памятью // Прикладная математика и механика, 1987. № 2. С. 201-214.
  11. Кононенко А. Ф., Чистяков Ю.Е. О равновесных по-зиционных стратегиях в дифференциальных играх многих лиц //ДАН СССР, 1988. Т. 299. № 5. С. 10531056.
  12. Горелик В. А., Горелов М. А., Кононенко А.Ф. Анализ конфликтных ситуаций в системах управления. - М.: Радио и связь, 1991. 286 с.
  13. Горелов М. А., Кононенко А. Ф. Динамические модели конфликтов II. Равновесия // Автоматика и телемеханика, 2014. Т. 75. № 12. С. 56-77.
  14. Жуковский В. И. Введение в дифференциальные игры при неопределенности. Равновесие по Нэшу. - М.: URSS, 2010. 168 с.
  15. Петросян Л. А. Теория игр. - СПб: БХВ-Петербург, 2012.432 с.

МОДЕЛИРОВАНИЕ ОТНОШЕНИЯ СИГНАЛ/ИНТЕРФЕРЕНЦИЯ В МОБИЛЬНОЙ СЕТИ СО СЛУЧАЙНЫМ БЛУЖДАНИЕМ ВЗАИМОДЕЙСТВУЮЩИХ УСТРОЙСТВ

  • Ю. В. Гайдамака  Российский университет дружбы народов; Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, gaydamaka_yuv@rudn.university
  • Ю. Н. Орлов  Институт прикладной математики им. М. В. Келдыша Российской академии наук, yuno@kiam.ru
  • Д. А. Молчанов  Российский университет дружбы народов, molchanov_da@rudn.university
  • А. К. Самуйлов  Российский университет дружбы народов, samuylov_ak@rudn.university

Литература

  1. Rong Z., Rappaport T. S. Wireless communications: Principles and practice. -1st ed. - Upper Saddle River, NJ, USA: Prentice Hall, 1996. 641 p.
  2. Andrews J. G., Claussen H., Dohler M, Rangan S., Reed M. C. Femtocells: Past, present, and future // IEEE J. Sel. Area. Comm., 2012. Vol. 30. Iss. 3. P. 497-508. doi: 10.1109/JSAC.2012.120401.
  3. Samuylov A., Gaidamaka Yu., Moltchanov D., Andreev S., Koucheryavy Y. Random triangle: A baseline model for interference analysis in heterogeneous networks // IEEE Trans. Veh. Technol., 2015. Vol. 65. Iss. 8. P. 6778-6782. doi: 10.1109/TVT.2016.2596324.
  4. Гайдамака Ю. В., Самуйлов А. К. Метод расчета характеристик интерференции двух взаимодействующих устройств в беспроводной гетерогенной сети // Информатика и её применения, 2015. Т. 9. Вып. 1. С. 9 14. doi: 10.14357/19922264150102.
  5. Гайдамака Ю.В., Андреев С. Д., Сопин Э.С., Самуйлов К. Е, Шоргин С. Я. Анализ характеристик интерференции в модели взаимодействия устройств с учетом среды распространения сигнала// Информатика и её применения, 2016. Т. 10. Вып. 4. С. 2-10. doi: 10.14357/19922264160401.
  6. Samuylov A., Ometov A., Begishev V., Kovalchukov R., Moltchanov D., Gaidamaka Yu., Samouylov K., Andreev S., Koucheryavy Y. Analytical performance estimation of network-assisted D2D communications in urban scenarios with rectangular cells // Trans. Emerg. Telecommun. Technol., 2017. Vol. 28. No. 2. P. 2999-1-2999-15. doi: 10.1002/ett.2999. (Version of record online: November 12, 2015.)
  7. Gong Z., Haenggi M. Interference and outage in mobile random networks: Expectation, distribution, and correlation // IEEE Trans. Mobile Comput., 2014. Vol. 13. P. 337-349. doi: 10.1109/TMC.2012.253.
  8. Etezov Sh.A., Gaidamaka Yu. V., Samouylov K.E., Moltchanov D. A., Samuylov A. K., Andreev S. D., Koucheryavy E. A. On distribution of SIR in dense D2D deployments // 22nd European Wireless Conference Proceedings. - VDE, 2016. P. 333-337.
  9. Petrov V., Komarov M, Moltchanov D., Jornet J. M, Koucheryavy Y. Interference and SINR in millimeter wave and terahertz communication systems with blocking and directional antennas // IEEE Trans. Wireless Commun., 2017. Vol. 16. P. 1791-1808.
  10. Baccelli F., Blaszczyszyn B. Stochastic geometry and wireless networks// Found. Trends Netw., 2010. Vol. 3. No. 3-4. P. 249-449. doi:10.1561/1300000006; Vol. 4. No. 1-2. P. 1-312. doi:10.1561/1300000026.
  11. Haenggi M. Stochastic geometry for wireless networks. - Cambridge: Cambridge University Press, 2012. 298 p.
  12. Orlov Yu. N, Fedorov S. L., Samuylov A. K., Gaidamaka Yu. V., Molchanov D. A. Simulation of devices mobility to estimate wireless channel quality metrics in 5G net-works // AIP Conference Proceedings: 12th Conference (International) ofNumerical Analysis and Applied Mathematics. - New York, NY, USA: AIP Publishing, 2017 (in press).
  13. 3GPPLTE Release 10 &beyond(LTE-Advanced). - December 2009. ftp://www.3gpp.org/workshop/2009-12- 17_ITU-R_IMT-Adv_eval/docs/pdf/REV-090006.pdf.
  14. Wi-Fi Peer-to-Peer (P2P) Technical Specification v1.7. - Wi-Fi Alliance, 2010. https://www.wi-h. org/downloads-registered-guest/Wi-Fi_P2P_Technical_ Specification_vl.7. pdf/29559.
  15. Босов А. Д., Кальметьев Р. Ш., Орлов Ю. Н. Моделиро-вание нестационарного временного ряда с заданными свойствами выборочного распределения // Мат. моделирование, 2014. Т. 26. № 3. С. 97-107.
  16. Орлов Ю.Н., Федоров С. Л. Генерация нестационарных траекторий временного ряда на основе уравне-ния Фоккера-Планка // Труды МФТИ, 2016. Т. 8. №2. С. 126-133.
  17. Орлов Ю. Н., Федоров С. Л. Методы численного моде-лирования процессов нестационарного случайного блуждания. - М.: МФТИ, 2016. 112 с.
  18. Тихонов В. И., ХименкоВ. И. Выбросы траекторий случайных процессов. - М.: Наука, 1987. 304 с.

МНОГОМЕРНЫЙ РЕФЕРЕНСНЫЙ РЕГИОН ВЫСОКОЙ ПЛОТНОСТИ

  • М. П. Кривенко   Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, mkrivenko@ipiran.ru

Литература

  1. Boyd J. C. Reference regions of two or more dimensions // Clin. Chem. Lab. Med., 2004. Vol. 42. No. 7. P. 739-746.
  2. Winkel P. Patterns and clusters - multivariate approach for interpreting clinical chemistry results // Clin. Chem., 1973. Vol. 19. No. 12. P. 1329-1333.
  3. IFCC. Expert panel on theory of reference values. Ap-proved recommendation on the theory of reference values. Part 5. Statistical treatment of collected reference values. Determination of reference limits // J. Clin. Chem. Clin. Biochem., 1987. Vol. 25. No. 9. P. 645-656.
  4. Кривенко М. П. Статистические методы представления и предварительной обработки референсных значений. - М.: ФИЦ ИУ РАН, 2016. 160 с.
  5. Boyd J. C., Lacher D. A. The multivariate reference range: An alternative interpretation of multi-test profiles // Clin. Chem., 1982. Vol. 28. No. 2. P. 259-265.
  6. Albert A., Harris E. K. Multivariate interpretation of clin-ical laboratory data. - New York, NY, USA: CRC Press, 1987. 328 p.
  7. Linnet K. Influence of sampling variation and analytical errors on the performance of the multivariate reference region// Meth. Inf. Med., 1988. Vol. 27. No. 1. P. 37-42.
  8. Durbridge T. C. Clinical acceptance of a multi-test reference regionforbiochemical-panel results // Clin. Chem., 1983. Vol. 29. No. 10. P. 1724-1726.
  9. Кривенко М. П. Критерии значимости отбора признаков классификации // Информатика и её применения, 2016. Т. 10. Вып. 3. С. 32-40.
  10. Кривенко М. П., Голованов С. А., Сивков А. В. Анализ однородности данных о химическом составе камней при уролитиазе // Информатика и её применения, 2013. Т 7. Вып. 4. С. 94-104.

ПРИМЕНЕНИЕ КВАЗИСЛУЧАЙНОГО ПОДХОДА И АНСАМБЛЕВЫХ ВЫЧИСЛЕНИЙ ДЛЯ ОПРЕДЕЛЕНИЯ ОПТИМАЛЬНЫХ НАБОРОВ ЗНАЧЕНИЙ ПАРАМЕТРОВ КЛИМАТИЧЕСКОЙ МОДЕЛИ

  • В. П. Пархоменко   Вычислительный центр им. А. А. Дородницына Федерального исследовательского центра "Информатика и управление" Российской академии наук; Московский государственный технический университет им. Н.Э Баумана, parhom@ccas.ru

Литература

  1. Edwards N. R., Marsh R. Uncertainties due to transport- parameter sensitivity in an efficient 3-D ocean-climate model // Clim. Dynam., 2005. Vol. 24. No. 4. P. 415-433.
  2. Randall D.A. General circulation model development. - Gardners Books, 2010. 416 p.
  3. Satoh M. Atmospheric circulation dynamics and general circulation models. - Berlin: Springer-Verlag, 2014. 730 p.
  4. Marsh R., Edwards N. R., Shepherd J. G. Development of a fast climate model (C-GOLDSTEIN) for Earth System Science // SOC, 2002. No. 83. 54 p.
  5. Пархоменко В. П. Глобальная модель климата с описанием термохалинной циркуляции Мирового океана // Математическое моделирование и численные методы, 2015. №1. С. 94-108.
  6. Montgomery D. C. Design and analysis of experiments. - 5th ed. - New York, NY, USA: John Wiley & Sons, 2001. 684 p.
  7. Levitus S., Boyer T. P., Conkright M. E., O'Brien T, Antonov J., Stephens C, Stathoplos L., Johnson D., GelfeldR. Noaa Atlas Nesdis 18, World Ocean database. - Washington, D.C., USA: U.S. Government Printing, 1998. Vol. 1. 346 p.
  8. Parkhomenko V. Ensemble calculations application for estimation and optimization of climate model parameters // 3rd Conference (International) on Optimization Methods and Applications Proceedings. - Moscow: Computing Center of RAS, 2012. P. 203-207.

МОДИФИКАЦИЯ ФУНКЦИОНАЛА КАЧЕСТВА В ЗАДАЧАХ НЕЛИНЕЙНОЙ РЕГРЕССИИ ДЛЯ УЧЕТА ГЕТЕРОСКЕДАСТИЧНЫХ ПОГРЕШНОСТЕЙ ИЗМЕРЯЕМЫХ ДАННЫХ

  • Г. И. Рудой  Московский физико-технический институт,0xd34df00d@gmail.com

Литература

  1. Гладун А. В. Лабораторный практикум по общей физике. - М.: МФТИ, 2004. 316 с.
  2. Рудой Г. И. О возможности применения методов Монте-Карло в анализе нелинейных регрессионных моделей//Сиб. ж. вычисл. мат., 2015. Т. 4. С. 425-434.
  3. Gillard J. W. 2006. An historical overview of linear re-gression with errors in both variables. Cardiff University School of Mathematics. Technical Report.
  4. Deming W. E. Statistical adjustment of data. - New York, NY, USA: Wiley, 1943. 216 p.
  5. Bowden R.J., Turkington D.A. Instrumental variables. - Cambridge: Cambridge University Press, 1990. 236 p.
  6. Bekker P. A. Comment on identification in the linear er-rors in variables model // Econometrica, 1986. Vol. 54. No. 1. P. 215-217.
  7. CarrollR. J., Ruppert D, Stefanski L. A., Crainiceanu C. M. Measurement error in nonlinear models: A modern perspective. - London: Chapman and Hall/CRC, 2006. 484 p.
  8. Jukic D. On nonlinear weighted least squares estimation of bass diffusion model // Appl. Math. Comput., 2013. Vol. 219. No. 14. P. 7891-7900.
  9. Jukic D., Markovic D. On nonlinear weighted errors- in-variables parameter estimation problem in the three- parameter Weibull model //Appl. Math. Comput., 2010. Vol. 215. No. 10. P. 3599-3609.
  10. Kiryati N., Bruckstein A. M. Heteroscedastic hough trans-form (HtHT): An efficient method for robust line fitting in the 'errors in the variables' problem // Comput. Vis. Image Und., 2000. Vol. 78. No. 1. P. 69-83.
  11. Boggs P. T., Byrd R. H., Schnabel R. B. A stable and effi-cient algorithm for nonlinear orthogonal distance regression // SIAM J. Sci. Stat. Comp., 1987. Vol. 8. No. 6. P. 1052-1078.
  12. Marquardt D.W. An algorithm for least-squares estima-tion ofnon-linear parameters//J. Soc. Ind. Appl. Math., 1963. Vol. 11. No. 2. P. 431-441.
  13. King D. E. Dlib-ml: A machine learning toolkit//J. Mach. Learn. Res., 2009. Vol. 10. P. 1755-1758.
  14. Александров А.Ю., Долгих В. А., Рудой И. Г., Сорока А. М. Кинетика возбуждаемого электронным пучком лазера высокого давления на "желтой" линии неона // Квантовая электроника, 1991. Т 18. №9. С. 1029-1033.
  15. Champagne L. F. Transient optical absorption in the ul-traviolet // Applied atomic collision physics. Vol. 3: Gas lasers / Eds. E. W. McDaniel, W. L. Nighan. - Amsterdam, Netherlands: Elsevier, 1982. 349-386.
  16. Rudoy G. I. Analysis of the stability of nonlinear regression models to errors in measured data // Pattern Recognit. Image Anal., 2016. Vol. 26. No. 3. P. 608-616.

ПЕРСОНАЛЬНАЯ ОТКРЫТАЯ СЕМАНТИЧЕСКАЯ ЦИФРОВАЯ БИБЛИОТЕКА LibMeta. КОНСТРУИРОВАНИЕ КОНТЕНТА. ИНТЕГРАЦИЯ С ИСТОЧНИКАМИ LOD

  • О. М. Атаева   Вычислительный центр им. А. А. Дородницына Федерального исследовательского центра "Информатика и управление" Российской академии наук, oli@ultimeta.ru
  • В. А. Серебряков   Вычислительный центр им. А. А. Дородницына Федерального исследовательского центра "Информатика и управление" Российской академии наук, serebr@ultimeta.ru

Литература

  1. Gruber T. R. A translation approach to portable ontolo-gies// Knowl. Acquis., 1993. Vol. 5. No. 2. P. 199-220.
  2. Semantic digital libraries / Eds. S. R. Kruk, B. McDaniel. - Berlin-Heidelberg: Springer-Verlag, 2009. 245 p.
  3. Антопольский А. Б., Каленкова А. А., Каленов Н. Е., Се-ребряков В. А., Сотников А. Н. Принципы разработки интегрированной системы для научных библиотек, архивов и музеев // Информационные ресурсы Рос-сии, 2012. №1. С. 2-6.
  4. Bizer C., Heath T., Berners-Lee T. Linked data - the story so far// Int. J. Semant. Web Inf. Syst., 2009. Vol. 5. No. 3. P. 1-22.
  5. Серебряков В. А., Атаева О. М. Основные понятия формальной модели семантических библиотек и формализация процессов интеграции в ней // Про-граммные продукты исистемы, 2015. № 4. С. 180-187.
  6. Серебряков В. А., Атаева О. М. Персональная цифровая библиотека LibMeta как среда интеграции связанных открытых данных // Электронные библиотеки: перспективные методы и технологии, электронные коллекции: Тр. XVI Всеросс. научной конф. RCDL'2014. - Дубна: ОИЯИ, 2014. С. 66-71.
  7. Каленов Н. Е., Савин Г. И., Сотников А. Н. Электронная библиотека "Научное наследие России" // Информационные ресурсы России, 2009. №2(108). С. 19-20.
  8. Моисеев Е. И., Муромский А. А., Тучкова Н. П. Тезаурус информационно-поисковый по предметной области "обыкновенные дифференциальные уравнения". - М.: МАКС Пресс, 2005. 116 с.
  9. Бездушный А.Н., Бездушный А. А., Серебряков В. А., Филиппов В. И. Интеграция метаданных Единого На-учного Информационного Пространства РАН. - М.: ВЦ РАН, 2006. 238 с.
  10. Yoder J. W, Balaguer F., Johnson R. Architecture and design of adaptive object-model //Adaptive Object Model, 2000. 11 p. http://www.adaptiveobjectmodel.com/ OOPSLA2001/AOMIntriguingTechPaper.pdf.
  11. Welick L., Yode J. W, Wirfs-Broc R. Adaptive object- model builder // Adaptive Object Model, 2009. 8 p. http://joeyoder.com/PDFs/04welicki.pdf.

МОДИФИЦИРОВАННЫЕ ЭЛЛИПСОИДАЛЬНЫЕ УСЛОВНО-ОПТИМАЛЬНЫЕ ФИЛЬТРЫ ДЛЯ НЕЛИНЕЙНЫХ СТОХАСТИЧЕСКИХ СИСТЕМ НА МНОГООБРАЗИЯХ

  • И. Н. Синицын   Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, sinitsin@dol.ru
  • В. И. Синицын  Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, vsinitsm@ipiran.ru
  • Э. Р. Корепанов   Институт проблем информатики Федерального исследовательского центра "Информатика и управление " Российской академии наук, ekorepanov@ipiran.ru

Литература

  1. Синицын И.Н. Ортогональные субоптимальные фильтры для нелинейных стохастических систем на многообразиях // Информатика и её применения, 2016. Т. 10. Вып. 1. С. 34-44.
  2. Синицын И. Н. Нормальные и ортогональные субоптимальные фильтры для нелинейных стохасти-ческих систем на многообразиях // Системы и сред-ства информатики, 2016. Т. 26. № 1. С. 199-226.
  3. Синицын И.Н., Синицын В. И., Корепанов Э.Р. Эл-липсоидальные субоптимальные фильтры для нели-нейных стохастических систем на многообразиях // Информатика и её применения, 2016. Т. 10. Вып. 2. С. 24-35.
  4. Синицын И. Н., Синицын В. И. Лекции по теории нор-мальной и эллипсоидальной аппроксимации распределений в стохастических системах. - М.: ТОРУС ПРЕСС, 2013. 488 с.
  5. Синицын И. Н. Фильтры Калмана и Пугачева. - 2-е изд. - М.: Логос, 2007. 776 с.
  6. Синицын И. Н, Синицын В. И., Корепанов Э. Р. Мо-дифицированные эллипсоидальные субоптимальные фильтры для нелинейных стохастических систем на многообразиях// Системы и средства информатики, 2016. Т. 26. №2. С. 79-97.
  7. Пугачёв В. С., Синицын И. Н. Теория стохастических систем. - М.: Логос, 2000; 2004. 1000 с.
  8. Wonham W. M. Some applications of stochastic differen-tial equations to optimal nonlinear filtering // J. Soc. Ind. Appl. Math. A, 1964. Vol. 2. No. 3. P. 347-369.
  9. Справочник по теории вероятностей и матема-тической статистике / Под ред. В. С. Королюка, Н. И. Портенко, А. В. Скорохода, А. Ф. Турбина. - М.: Наука, 1985. 640 с.
  10. Zakai M. On the optimal filtering of diffusion process-es//Ztschr. Wahrschein lichkeitstheor. Verm. Geb., 1969. Bd. 11. S. 230-243.

ОДНОКАНАЛЬНАЯ СИСТЕМА ОБСЛУЖИВАНИЯ С ЗАВИСИМЫМИ ИНТЕРВАЛАМИ ВРЕМЕНИ МЕЖДУ ПОСТУПЛЕНИЯМИ ТРЕБОВАНИЙ

  • В. Г. Ушаков   Факультет вычислительной математики и кибернетики Московского государственного университета им. М. В. Ломоносова; Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, vgushakov@mail.ru
  • Н. Г. Ушаков  Институт проблем технологии микроэлектроники и особочистых материалов Российской академии наук; Норвежский научнотехнологический университет, Тронхейм, ushakov@math.ntnu.no

Литература

  1. Hwang G. U., Choi B. D., Kim J. -K. The waiting time analysis of a discrete-time queue with arrivals as an autoregressive process of order 1 //J. Appl. Probab., 2002. Vol. 39. No. 3. P. 619-629.
  2. Hwang G. U., Sohraby K. Onthe exact analysis of a discrete- time queueing system with autoregressive inputs // Queue- ing Syst., 2003. Vol. 43. P. 29-41.
  3. Kamoun F. The discrete-time queue with autoregressive inputs revisited // Queueing Syst., 2006. Vol. 54. P. 185-192.
  4. Леонтьев Н.Д., Ушаков В. Г. Анализ системы обслуживания с входящим потоком авторегрессионного типа//Информатика и её применения, 2014. Т. 8. Вып. 3. С. 39-44.
  5. Леонтьев Н.Д., Ушаков В. Г. Исследование систем обслуживания с дискретным временем, входящим потоком авторегрессионного типа и обратной связью // Системы и средства информатики, 2015. Т. 25. №2. С. 61-71.
  6. Леонтьев Н. Д., Ушаков В. Г. Анализ системы обслуживания с входящим потоком авторегрессионного типа и относительным приоритетом // Информатика и её применения, 2016. Т. 10. Вып. 3. С. 15-22.

СИЛЬНАЯ СОСТОЯТЕЛЬНОСТЬ ОЦЕНКИ СРЕДНЕКВАДРАТИЧНОЙ ПОГРЕШНОСТИ ПРИ РЕШЕНИИ ОБРАТНЫХ СТАТИСТИЧЕСКИХ ЗАДАЧ

  • О. В. Шестаков  Московский государственный университет им. М. В. Ломоносова, кафедра математической статистики факультета вычислительной математики и кибернетики; Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, oshestakov@cs.msu.su

Литература

  1. Donoho D., Johnstone I. M. Adapting to unknown smooth-ness via wavelet shrinkage // J. Amer. Stat. Assoc., 1995. Vol. 90. P. 1200-1224.
  2. Маркин А. В. Предельное распределение оценки риска при пороговой обработке вейвлет-коэффициентов // Информатика и её применения, 2009. Т. 3. Вып. 4. С. 57-63.
  3. Маркин А. В., Шестаков О. В. О состоятельности оценки риска при пороговой обработке вейвлет-ко-эффициентов // Вестн. Моск. ун-та. Сер. 15: Вычисл. матем. и киберн., 2010. № 1. C. 26-34.
  4. Кудрявцев А. А., Шестаков О. В. Асимптотика оценки риска при вейглет-вейвлет-разложении наблюдаемого сигнала // T-Comm: Телекоммуникации и транспорт, 2011. №2. С. 54-57.
  5. Шестаков О. В. Асимптотическая нормальность оценки риска пороговой обработки вейвлет-коэффициентов при выборе адаптивного порога // Докл. РАН, 2012. Т. 445. № 5. С. 513-515.
  6. Шестаков О. В. О свойствах оценки среднеквадра-тичного риска при регуляризации обращения линей ного однородного оператора с помощью адаптивнои пороговой обработки коэффициентов вейглет-вейвлет разложения // Вестн. ТвГУ. Серия: Прикладная математика, 2012. № 8. С. 117-130.
  7. ЕрошенкоА. А., ШестаковО. В. Асимптотическая нор-мальность оценки риска при вейвлет-вейглет-разложении функции сигнала в модели с коррелированным шумом // Вестн. Моск. ун-та. Сер. 15: Вычисл. матем. и киберн., 2014. №3. C. 110-117.
  8. Ерошенко А. А. Состоятельность оценок риска при вейвлет-вейглет и вейглет-вейвлет-разложениях функции сигнала в модели с коррелированным шу-мом // Вестн. ТвГУ. Серия: Прикладная математика, 2015. №1. С. 103-114.
  9. Ерошенко А. А., Кудрявцев А. А., Шестаков О. В. Пре-дельное распределение оценки риска метода вейглет-вейвлет-разложения сигнала в модели с коррелированным шумом // Вестн. Моск. ун-та. Сер. 15: Вычисл. матем. и киберн., 2015. № 1. C. 12-18.
  10. Johnstone I. M. Wavelet shrinkage for correlated data and inverse problems: Adaptivity results // Stat. Sinica, 1999. Vol. 9. No. 1.P 51-83.
  11. Donoho D. Nonlinear solution of linear inverse problems by wavelet-vaguelette decomposition // Appl. Comput. Harmon. Anal., 1995. Vol. 2. P 101-126.
  12. Mallat S. A wavelet tour of signal processing. - New York, NY, USA: Academic Press, 1999. 857 p.
  13. Kolaczyk E. D. Wavelet methods for the inversion of certain homogeneous linear operators in the presence of noisy data. - Stanford, CA, USA: Stanford University, 1994. PhD Thesis.
  14. Bosq D. Nonparametric statistics for stochastic processes: Estimation and prediction. - New York, NY, USA: Springer-Verlag, 1996. 169 p.
  15. Bradley R. C. Basic properties of strong mixing conditions. A survey and some open questions // Probab. Surveys, 2005. Vol. 2. P. 107-144.

УНИВЕРСАЛЬНАЯ ПОРОГОВАЯ ОБРАБОТКА В МОДЕЛЯХ С НЕГАУССОВЫМ ШУМОМ

  • О. В. Шестаков  Московский государственный университет им. М. В. Ломоносова, кафедра математической статистики факультета вычислительной математики и кибернетики; Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, oshestakov@cs.msu.su

Литература

  1. Donoho D., Johnstone I.M. Ideal spatial adaptation via wavelet shrinkage // Biometrika, 1994. Vol. 81. No.3. P. 425-455.
  2. Donoho D., Johnstone I. M. Minimax estimation via wavelet shrinkage//Ann. Stat., 1998. Vol. 26. No. 3. P. 879-921.
  3. Jansen M. Noise reduction by wavelet thresholding. - Lec-ture notes in statistics ser. - New York, NY, USA: Springer Verlag, 2001. Vol. 161. 217 p.
  4. Шестаков О. В. Асимптотическая нормальность оценки риска пороговой обработки вейвлет-коэффициентов при выборе адаптивного порога // Докл. РАН, 2012. Т. 445. №5. С. 513-515.
  5. Кудрявцев А. А., Шестаков О. В. Асимптотическое поведение порога, минимизирующего усредненную вероятность ошибки вычисления вейвлет-коэффициентов // Докл. РАН, 2016. Т. 468. №5. С. 487-491.
  6. Кудрявцев А. А., Шестаков О. В. Асимптотически оптимальная пороговая обработка вейвлет-коэффициентов в моделях с негауссовым распределением шума // Докл. РАН, 2016. Т. 471. № 1. С. 11-15.
  7. Лидбеттер М., Линдгрен Г., Ротсен Х. Экстремумы случайных последовательностей и процессов / Пер с англ. - М.: Мир, 1989. 392 с. (Leadbetter M., Lind- gren G, Rootzen H. Extremes and related properties of random sequences and processes. - New York, NY, USA: Springer-Verlag, 1983. 336 p.)






 
© 2016 Институт проблем информатики Российской Академии наук Русский | English     Контакты