Об одной экстремальной задаче адаптивного машинного обучения, связанной с нахождением аномалий

Предлагается адаптивный алгоритм решения широкого круга задач обучения без учителя (unsupervised learning). Конструкция этого алгоритма основана на построении последовательности взаимосвязанных экстремальных принципов. В качестве отправной точки выступает метод наименьших квадратов с априорно заданными весами, позволяющий найти “центр” обучающей выборки. Далее, естественным образом осуществляется переход от метода наименьших квадратов к более гибкому экстремальному принципу, позволяющему адаптивно находить как “центр”, так и веса событий обучающей выборки. Наконец, конструируется универсальный экстремальный принцип, позволяющий кроме “центра” и весов найти еще и масштабирующий коэффициент для функции принадлежности.