Методы и технологии интеллектуального анализа данных для диагностики и предсказания поведения сложных многокомпонентных систем

Целями исследования являются: разработка методов и технологий машинного обучения для анализа данных сложной дискретной и континуальной структуры, характеризующихся высокими и сверхвысокими размерностями; получение строгих оценок сложности разработанных численных алгоритмов, в том числе в распределенных вычислительных средах; применение разработанных методов и технологий к анализу, диагностике и предсказанию поведения сложных многокомпонентных технических и живых систем. Полученные результаты можно разделить на две группы. В первую из них входят новые или усовершенствованные численные методы статистического вывода и оптимизации, направленные на повышение эффективности работы с многомерными данными. Во вторую группу вошли результаты, демонстрирующие применение современных методов анализа данных, в том числе разрабатываемых в рамках настоящей работы, к анализу различных прикладных, в том числе инженерных и медико-биологических данных. Основные результаты исследования опубликованы в журналах, индексируемых в российских и международных информационно-аналитических системах научного цитирования («Сеть науки» (Web of Science), Scopus, Российский индекс научного цитирования), а также на международных и всероссийских конференциях.