Платонов Евгений Николаевич

• Прогнозирования отказов верхнего строения пути на основе данных диагностики с помощью нейронных сетей

Аннотация: Требуется по имеющемуся набору данных диагностики путеизмерителя о состоянии железнодорожного пути построить прогноз для каждого километра пути: произойдет или нет отказ определенного типа. Для построения необходимо использовать нейронную сеть произвольной архитектуры. Построение нейронной сети производится в рамках программной среды Python или R.

• Формирование базы данных измерений состояния железнодорожного пути

Аннотация: По данным измерений за состоянием железнодорожного пути требуется сформировать базу данных для дальнейшего анализа и решения задачи классификации. Данные одной проверки хранятся в формате xlsx, файл содержит примерно 150 тыс строк. Объекты в базе данных должны иметь пространственную и временную привязку. Подготовка данных проводится с целью последующего решения задачи прогнозирования перехода различных типов отступлений фиксируемых вагоном-путеизмерителем из второй степени в третью. Т.е. существенное прогноз ухудшение качества верхнего строения пути за время прошедшее между двумя проверками.

• Анализ территориального распределения населения РФ с применением законов Ципфа и Гибрата

Аннотация:. Изучение литературы посвященной выявлению закономерностей территориального распределения населения в различных странах. Провести анализ территориального распределения населения РФ по данным переписи 2021 года. Сделать сравнение полученных результатов с данными переписи 2010 года. Определить тип распределения и проверить выполнение законов Ципфа и Гибрата.

• Оценка взаимосвязей временных рядов курсов акций с помощью копула-функций

Аннотация: Изучение копула-функций, их свойств, способов подбора под конкретные исходные данные, оценивания, прикладных возможностей. Провести анализ взаимосвязей курсов акций с использованием копула-функций. Требуется построить статистические оценки копула-функций на решетке. Сравнить расстояния в метрике L1 до максимальной (комонотонной), минимальной (контрмонотонной) и независимой копула-функций.

• Оценивание стоимости погодных опционов

Аннотация: Средняя цена контракта формируется на основе ожиданий участников рынка относительно будущих погодных условий для соответствующего периода времени с учетом используемых методов их прогнозирования. Подавляющая часть погодных производных в настоящее время связана с температурой. На них приходится порядка 80 % всех торгуемых контрактов. Кроме того, существует ряд срочных контрактов на природные явления: дожди, снегопады. Индексом в такого рода контрактах выступает количество осадков (снега или дождя), выпавших за месяц в определенной местности. Основной площадкой для погодных опционов выступает Чикагская Фондовая Брижа. Исследование включает в себя анализ существующих методов оценки стоимости погодных опционов и их сравнение на реальных данных.

• Методы ансамблирования обучающих алгоритмов

Аннотация: В задачах обучения с учителем, в которых требование качества решения превалирует над ограничением его вычислительной сложности, применяются различные методы ансамблирования обучающих алгоритмов. Одним из самых эффективных методов является стекинг. Основная идея стекинга состоит в использовании предсказаний базовых алгоритмов в качестве признаков для некоторого метаалгоритма. Требуется провести сравнение различных методов ансамблирования на нескольких наборах данных, таких как UCI, Forest Cover Type Prediction, Kaggle, Otto Group Product Classification Challenge и др.

Тематика заданий на практику сильно коррелирована с тематикой дипломных работ. Практикуется сквозное выполнение дипломной работы студентом на всех видах практик, заканчивая преддипломной и оформлением дипломной работы.

Рассмотрим в качестве примера задания на различные виды практик по теме

«Прогнозирования отказов верхнего строения пути на основе данных диагностики с помощью нейронных сетей»:

Вычислительная практика.

Изучить литературу, связанную с описанием различных методов классификации. Методы основанные на деревьях решений, метод опорных векторов, метотод ближайших соседей. Нейронные сети и их архетиктура.

Исследовательская практика.

Изучить предложенную руководителем литературу по решению задачи классификации для несбалансированных данных. Алгоритмы обучения для несбалансированной выборки (imbalanced learn). Изучение различных библиотек на Python и R для восстановления баланса классов: undersampling и oversampling.

Преддипломная практика.

Провести анализ методы машинного обучения и их применение в анализе дефектов железнодорожного пути. Изучение дефектов рельсового пути и средства их измерения. Постановка задачи прогноза появления опасных отказов верхнего строения пути.

1. Е. Н. Платонов, К. В. Семенихин. Методы синтеза минимаксных оценок при наличии поэлементных ограничений на ковариационную матрицу // Автомат. и телемех., 2016, № 5, 82–108; Autom. Remote Control, 77:5 (2016), 817–838
2. А. Н. Игнатов, А. И. Кибзун, Е. Н. Платонов. Оценка вероятности столкновения составов на железнодорожных станциях на основе пуассоновской модели // Автомат. и телемех., 2016, № 11, 43–59; Autom. Remote Control, 77:11 (2016), 1914–1927
3. Шубинский И.Б., Замышляев А.М., Игнатов А.Н., Кибзун А.И., Платонов Е.Н. Применение системы автоматической сигнализации для снижение риска транспортных происшествий на железнодорожных станциях. Надежность. 2017; 17(3), С. 49-57. DOI:10.21683/1729-2646-2017-17-3-49-57
4. Шубинский И.Б., Замышляев А.М., Проневич О.Б., Игнатов А.Н., Платонов Е.Н. Применение методов машинного обучения для прогнозирования опасных отказов объектов железнодорожного пути. Надежность. 2020; 20(2):4353. https://doi.org/10.21683/1729-2646-2020-20-2-43-53