Инд. авторы:	Ракитский А.А.
Заглавие:	Метод для эффективного вычисления значений предикторов
Библ. ссылка:	Ракитский А.А. Метод для эффективного вычисления значений предикторов // XVI Российская конференция «Распределенные информационно - вычислительные ресурсы. Наука – цифровой экономике» (DICR-2017): Труды XVI Всероссийской конференции (4-7 декабря 2017 г.). Новосибирск / Под ред. О.Л. Жижимова, А.М. Федотова. - 2017. - Новосибирск: ИВТ СО РАН. - С.308-313. - ISBN: 978-5-905569-10-4. - http://elib.ict.nsc.ru/jspui/bitstream/ICT/1467/43/paper39.pdf
Внешние системы:	РИНЦ: 32475925;
Реферат:	rus: Прогнозирование временных рядов является одним из важнейших направлений в информационных технологиях (например, в разработке ИИ). Очень важной зада-чей в этом направлении является снижение времени построения прогноза. В данной работе предлагается эффективный метод для быстрого вычисления значений предикторов, основанных на принципах универсального кодирования. Этот метод позволяет вычислять значения предикторов Кричевского и подобных ему с линейной трудоёмкостью. eng: The prediction of time series is important direction in modern computer sciences (it is used, for example, in the development of AI). The most significant task in this direction is how to reduce the time of the prediction construction. In this paper we present the ef-fective method for fast the calculating of the values of universal-coding-based predictors. This method allows to calculate the values of Krichevsky predictors and similar with the linear complexity.
Ключевые слова:	information theory; predictors; prediction of time series; трудоёмкость; временные ряды; теория информации; предикторы; прогнозирование; complexity;
Издано:	2017
Физ. характеристика:	с.308-313
Ссылка:	http://elib.ict.nsc.ru/jspui/bitstream/ICT/1467/43/paper39.pdf
Конференция:	Название: XVI Российская конференция «Распределенные информационно-вычислительные ресурсы. Наука – цифровой экономике» Аббревиатура: DICR-2017 Город: Новосибирск Страна: Россия Даты проведения: 2017-12-04 - 2017-12-07 Ссылка: http://conf.ict.nsc.ru/dicr2017
Цитирование:	1. Ryabko B.Ya. Prediction of random sequences and universal coding. Problems of Inform. Transmission, 24(2) 87-96, (1988). 2. P. Algoet, Universal Schemes for Learning the Best Nonlinear Predictor Given the Infinite Past and Side Information, IEEE Trans. Inform. Theory, 45, 1165-1185, (1999). 3. J. Kieffer, Prediction and Information Theory, Preprint, (available at ftp://oz.ee.umn.edu/users/kieffer/papers/prediction.pdf/), 1998. 4. D. S. Modha and E. Masry, Memory-universal prediction of stationary random processes. IEEE Trans. Inform. Theory, 44(1), 117133, (1998). 5. A. B. Nobel, On optimal sequential prediction, IEEE Trans. Inform. Theory, 49(1), 8398, (2003). 6. B. Ryabko. Applications of Universal Source Coding to Statistical Analysis of Time Series. In: Isaac Woungang, Sudip Misra, Subhas Chandra Misra (Eds.), "Selected Topics in Information and Coding Theory", Edited Book, Series on Coding and Cryptology, World Scientific Publishing, 2010. 7. W. Feller, An Introduction to Probabability Theory and Its Applications, vol.1. (John Wiley & Sons, New York, 1970). 8. R. Krichevsky, A relation between the plausibility of information about a source and encoding redundancy, Problems Inform. Transmission, 4(3), 4857, (1968). 9. R. Krichevsky, Universal Compression and Retrival, (Kluver Academic Publishers, 1993). 10. D. E. Knuth The art of computer programming. Vol.2. (Addison Wesley, 1981). 11. B. Ryabko and F. Topsoe, On Asymptotically Optimal Methods of Prediction and Adaptive Coding for Markov Sources, Journal of Complexity, 18(1), 224241, (2002).