ИСТИНА

Целью данной диссертационной работы является разработка и исследование тензорных методов моделирования структуры данных, реализация алгоритмов их обработки с учётом моделируемой структуры в задачах анализа и сжатия данных. В работе предложены модели структуры тензорных данных на основе блочного тензорного разложения с разными форматами отдельных компонент (слагаемых) разложения. Предложен способ построения базового признакового пространства по данным хроматомасс-спектрометрии в задаче идентификации лекарственного растительного сырья. Показана применимость WTT разложения для сжатия наборов снимков, а также возможность использования сжатого представления как признакового описания данных. Разработанные и реализованные методы проверены на реальных данных для ряда задач машинного обучения. Реализация подходов и численных экспериментов выполнена на языке программирования Python, исходные коды опубликованы в открытых репозиториях.