ИСТИНА

Теория машинного обучения является одним из самых актуальных и бурно развивающихся направлений в современной науке. Методы теории машинного обучения применяются, например, при обработке и анализе цифровых изображений, видео и аудио сигналов, а также для сбора и упорядочивания других больших данных, возникающих в прикладных задачах моделирования физических и социально-экономических процессов. Описанные задачи актуальны для многих сфер деятельности, включая здравоохранение. Целью данного исследования является создание и применение высоко эффективных алгоритмов жадного типа в задачах машинного обучения. Жадные алгоритмы могут применяться для задач машинного обучения в контексте выбора признаков, необходимых словарей, получения разреженных представлений, что особенно важно при работе с большими данными и может быть использовано для экономии времени при передаче информации и обучении. На сегодняшний день, существует множество различных жадных алгоритмов, исследующихся с точки зрения сходимости, скорости сходимости и устойчивости в самых различных процессах приближения. Исследование их разнообразных практических применений, в частности, для задач теории обучения, является своевременной и актуальной задачей. Особое внимание планируется уделить федеративному обучению, которое позволяет решать проблемы доступа к распределенным, чувствительным и приватным данным. Целями проведения данной научно-исследовательской работы являются: 1. Создание и анализ алгоритмов жадного типа, эффективных при решении задач, связанных с обработкой больших объёмов данных. 2. Применение разработанных алгоритмов в прикладных задачах теории машинного обучения.