Робастный регрессионный анализ на основе комплексирования интервалов агрегированием предпочтений

Название НИОКТР	Робастный регрессионный анализ на основе комплексирования интервалов агрегированием предпочтений
Аннотация	Регрессионный анализ является одним из самых распространенных, глубоко разработанных и наиболее важных инструментариев анализа данных в естественных, технических и гуманитарных науках. Он позволяет принимать решения о связи между различными характеристиками исследуемых объектов, предсказывать значения этих характеристик, вырабатывать новые знания о скрытых закономерностях и т.д. Популярным способом построения регрессии является метод наименьших квадратов (МНК), заключающийся в минимизации суммы квадратов отклонений расчетных значений аппроксимирующей функции (регрессии) от экспериментальных значений. Однако результаты МНК чувствительны к выбросам, поэтому, когда отклонения распределены не по нормальному закону, линейная регрессия часто не отражает истинного положения дел. Минимизация суммы абсолютных отклонений вместо их квадратов в методе наименьших модулей (МНМ) повышает робастность регрессионных моделей, т.е. делает их менее чувствительными к выбросам. Однако МНМ значительно более трудоемок в вычислительном плане по сравнению с МНК. Кроме того, решение по МНМ не всегда является однозначным. Поэтому разработка надежного метода регрессионного анализа в условиях гетероскедастичности, ненормальности и зашумленности исходных данных остается актуальной. Основная идея, определяющая научную новизну предлагаемого подхода, заключается в том, что впервые в мировой практике в области методов регрессионного анализа вместо минимизации суммы квадратов отклонений или суммы модулей отклонений минимизируется несогласованность в данных, измеряемая расстоянием между отношениями слабого порядка (ранжированиями), представляющими заданные интервалы исходных экспериментальных данных (предикторов). Слабые порядки формируются на множестве принадлежащих этим интервалам дискретных значений. Оценкой параметра регрессии является имеющее максимальный ранг значение в ранжировании консенсуса, найденном для набора ранжирований дискретных значений, соответствующих исходным интервалам.
Доступ к ОКОГУ исполнителя	False
Количество связанных РИД	0
Количество завершенных ИКРБС	0
Сумма бюджета	3000.0
Дата начала	2025-06-01
Дата окончания	2025-12-31
Номер контракта	075-15-2025-198
Дата контракта	2025-04-04
Количество отчетов	1
УДК	519.8
Количество просмотров	312
Руководитель работы	Муравьев Сергей Васильевич
Руководитель организации	Сухих Леонид Григорьевич
Исполнитель	ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ТОМСКИЙ ПОЛИТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ"
Заказчик	МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральная программа	Отсутствует
Госпрограмма	—
Основание НИОКТР	Соглашение (государственный/муниципальный контракт)
Последний статус	2025-12-01 14:47:30 UTC, 2025-12-01 14:47:30 UTC
ОКПД	Услуги, связанные с научными исследованиями и экспериментальными разработками в области компьютерных наук и информационных технологий
Отраслевой сегмент	—
Минздрав	—
Межгосударственная целевая программа	—
Ключевые слова	РЕГРЕССИОННЫЙ АНАЛИЗ; РОБАСТНОСТЬ; КОМПЛЕКСИРОВАНИЕ ДАННЫХ; ПРЕДПОЧТЕНИЯ; АГРЕГИРОВАНИЕ ПРЕДПОЧТЕНИЙ; ИНТЕРВАЛЬНЫЕ ДАННЫЕ; ПРЕФЕРЕНЦИАЛЬНАЯ МЕДИАНА; ПРАВИЛО КЕМЕНИ; ПРАВИЛО БОРДА; ГЕТЕРОСКЕДАСТИЧНОСТЬ
Соисполнители	—
Типы НИОКТР	Фундаментальное исследование
Приоритетные направления	—
Критические технологии	—
Рубрикатор	28.29.15 - Методы исследования операций
OECD	—
OESR	Компьютерные, информационные науки и биоинформатика (разработка аппаратного обеспечения относится к разделу 2.2, социальный аспект относится к разделу 5.8)
Приоритеты научно-технического развития	а) переход к передовым технологиям проектирования и создания высокотехнологичной продукции, основанным на применении интеллектуальных производственных решений, роботизированных и высокопроизводительных вычислительных систем, новых материалов и химических соединений, результатов обработки больших объемов данных, технологий машинного обучения и искусственного интеллекта;
Регистрационные номера	ikrbs: {'card_list': [{'id': 'FGSH8BNCSQ0NTWKYKA8LOTPQ'}]}