статистическая теория распознавания образов,
интеллектуальный анализ данных.
Основные темы научной работы
Исследование статистической устойчивости решающих функций распознавания в условиях обучающих выборок малого объема. Исследование вероятностных свойств решающих функций для дискретной задачи распознавания; нахождение зависимостей между объемом выборки, числом значений дискретных характеристик, эмпирической ошибкой и ожидаемой вероятностью погрешности. Разработка алгоритмов построения деревьев решений в задачах распознавания образов, кластерного, регрессионного анализа, анализа временных рядов. Применение разработанных методов статистического анализа данных в прикладных исследованиях.
Научная биография:
Окончил механико-математический факультет Новосибирского Государственного университета в 1986 г. (кафедра теоретической кибернетики). Защитил кандидатскую диссертацию в 1996 г., докторскую диссертацию в 2007 г. Имеется 49 журнальных публикаций.
Премия Международной академической аздательской компании "Наука/Интерпериодика" за серию работ, посвященных теории и методам построения решающих функций распознавания на основе анализа эмпирической информации (1998 г.)
Основные публикации:
Лбов Г.С., Бериков В.Б., Устойчивость решающих функций в задачах распознавания образов и анализа разнотипной информации, Новосибирск, Изд-во Ин-та математики, 2005
Berikov V. B., “An approach to the evaluation of the performance of a discrete classifier”, Pattern Recogn. Letters, 23:1-3 (2002), 227–233
В.Б. Бериков, Г.С. Лбов, “Байесовские оценки качества распознавания по конечному множеству событий”, Доклады Академии Наук, 402:1 (2005), 1–4
Berikov V.B., “Grouping of Objects in a Space of Heterogeneous Variables with the Use of Taxonomic Decision Trees”, Pattern Recognition and Image Analysis, 21:4 (2011), 591–598
Berikov V.B., “A latent variable pairwise classification model of a clustering ensemble”: C. Sansone, J. Kittler, and F. Roli (Eds.), Multiple Classifier Systems, 2011, Lecture Notes on Computer Science, 6713, Springer, Berlin, 2011, 279–288
A. V. Dobshik, S. K. Verbitskiy, I. A. Pestunov, K. M. Sherman, Yu. N. Sinyavskiy, A. A. Tulupov, V. B. Berikov, “Acute ischemic stroke lesion segmentation in non-contrast CT images using 3D convolutional neural networks”, Компьютерная оптика, 47:5 (2023), 770–777
В. Б. Бериков, “Модель и метод построения разнородного кластерного ансамбля”, Автомат. и телемех., 2022, № 12, 89–107; V. B. Berikov, “Model and method for constructing a heterogeneous cluster ensemble”, Autom. Remote Control, 83:12 (2022), 1944–1958
2017
3.
В. В. Татарников, И. А. Пестунов, В. Б. Бериков, “Алгоритм усреднения центроидов для построения кластерного ансамбля”, Компьютерная оптика, 41:5 (2017), 712–718
В. Б. Бериков, “Некоторые свойства оценки вероятности ошибки в дискретной задаче распознавания”, Сиб. журн. индустр. матем., 7:3 (2004), 44–56
2003
5.
В. Б. Бериков, “Априорные оценки качества распознавания при ограниченном объеме обучающей выборки”, Ж. вычисл. матем. и матем. физ., 43:9 (2003), 1432–1440; V. B. Berikov, “A priori estimates of the recognition accuracy for limited samplings”, Comput. Math. Math. Phys., 43:9 (2003), 1377–1385
Обратная связь: